Вступление

???????????? ?? ???????????????? (???????????? ???????????????? ????????????????)

Обработка данных

Загрузка необходимых пакетов

library(dplyr)
library(ggplot2)
library(scales)
library(wbstats)
library(Quandl)
library(xlsx)
library(gridExtra)
library(rvest)
library(stringr)

Загрузка данных

# DOWNLOAD FILES

## 1. Extractive Industry Data
url <- "https://rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/master/Data/Extractive%20industry.xlsx"
if(!file.exists("Extractive industry.xlsx")){
        download.file(url, destfile = "Extractive industry.xlsx", method = "curl")
}

## 2. Processing Industry Data
url <- "https://rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/master/Data/Processing%20industry_fin.xlsx"
if(!file.exists("Processing industry_fin.xlsx")){
        download.file(url, destfile = "Processing industry_fin.xlsx", method = "curl")
}
## 3. Investments in the fixed assets of ukrainain companies by type of the economic activity per year
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/investments%20in%20the%20fixed%20assets.xlsx"
if(!file.exists("investments in the fixed assets.xlsx")){
        download.file(url, destfile = "investments in the fixed assets.xlsx", method = "curl")
}

## 4. Data on the number of people employed in various sectors of the economy for years 
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/labour.xlsx"
if(!file.exists("labour.xlsx")){
        download.file(url, destfile = "labour.xlsx", method = "curl")
}

## 4a. Data on the number of people employed in economic activities
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/84f82fa1/Data/employed_in_economic_activity.xlsx"
if(!file.exists("employed_in_economic_activity.xlsx")){
        download.file(url, destfile = "employed_in_economic_activity.xlsx", method = "curl")
}


## 5. Private sector share in GDP (in per cent)  
#url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/GDP_by_private_companies_ua_by_year.xlsx"
#if(!file.exists("GDP_by_private_companies_ua_by_year.xlsx")){
#        download.file(url, destfile = "GDP_by_private_companies_ua_by_year.xlsx", method = "curl")
#        }

## 5. Private sector share in GDP (in per cent) 
url <- "http://www.ebrd.com/downloads/research/economics/macrodata/sci.xls"
if(!file.exists("sci.xls")){
        download.file(url, destfile = "sci.xls", method = "curl")
}

## 6. Data on investments in privatized companies by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/investments_in_privatized_companies.xlsx"
if(!file.exists("investments_in_privatized_companies.xlsx")){
        download.file(url, destfile = "investments_in_privatized_companies.xlsx", method = "curl")
}

## 7. Data on Enterprises by ownership
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/number_of_enterprices_%20by_ownership_ua.xlsx"
if(!file.exists("number_of_enterprices_ by_ownership_ua.xlsx")){
        download.file(url, destfile = "number_of_enterprices_ by_ownership_ua.xlsx", method = "curl")
}

## 8. Privatization contracts by State control over the fulfillment of the terms of sales contracts by groups of privatization objects 
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_contracts_over_control.xlsx"
if(!file.exists("privatization_contracts_over_control.xlsx")){
        download.file(url, destfile = "privatization_contracts_over_control.xlsx", method = "curl")
}

## 9. Privatization index of EBRD. Selected countries
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_index_EBRD_selected_countries.xlsx"
if(!file.exists("privatization_index_EBRD_selected_countries.xlsx")){
        download.file(url, destfile = "privatization_index_EBRD_selected_countries.xlsx", method = "curl")
}

## 10. % of privatization in the total Ukrainian budget receipts per year
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx"
if(!file.exists("privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx")){
        download.file(url, destfile = "privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx", method = "curl")
}

## 11. Data on the groups, number and years of privatized companies in the Ukraine
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/265e2aa7/Data/privatization_ua.xlsx"
if(!file.exists("privatization_ua.xlsx")){
        download.file(url, destfile = "privatization_ua.xlsx", method = "curl")
}

## 12. Ukrainian Budget Receipt from privatization (comulative total)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/ukr_budget_receipt_comulative_total.xlsx"
if(!file.exists("ukr_budget_receipt_comulative_total.xlsx")){
        download.file(url, destfile = "ukr_budget_receipt_comulative_total.xlsx", method = "curl")
}

## 13. Ukrainian Budget Receipt from privatization (per year)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/ukr_budget_receipt_per_year.xlsx"
if(!file.exists("ukr_budget_receipt_per_year.xlsx")){
        download.file(url, destfile = "ukr_budget_receipt_per_year.xlsx", method = "curl")
}

## 14. Number of privatized companies of groups В,G by industries on.01.01.2005
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/9aac259c/Data/privatization_by_economic_activity.xlsx"
if(!file.exists("privatization_by_economic_activity.xlsx")){
        download.file(url, destfile = "privatization_by_economic_activity.xlsx", method = "curl")
}

## 15. Analysis of the control over the fulfillment of the terms of sales contracts by groups of privatization objects
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/00c8fffa/Data/violations_in_%20the_%20contracts_over_control.xlsx"
if(!file.exists("violations_in_ the_ contracts_over_control.xlsx")){
        download.file(url, destfile = "violations_in_ the_ contracts_over_control.xlsx", method = "curl")
}

## 16. Penalties accrued for violating the terms of contracts of sale and purchase of privatization objects by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/00c8fffa/Data/penalties_per_violation_in_the_contracts_over_control.xlsx"
if(!file.exists("penalties_per_violation_in_the_contracts_over_control.xlsx")){
        download.file(url, destfile = "penalties_per_violation_in_the_contracts_over_control.xlsx", method = "curl")
}

## 17. Salaries in Ukraine by economic activity and company (orgainzation, institution, body) legal form in 2015 (UAH)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/8355cb04/Data/salaries%20by%20economic%20activity.xlsx"
if(!file.exists("salaries by economic activity.xlsx")){
        download.file(url, destfile = "salaries by economic activity.xlsx", method = "curl")
}

## 18. Labour force of Ukraine by economic activity in 2015 (%)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/8355cb04/Data/labour%20force%20by%20economic%20activity.xlsx"
if(!file.exists("labour force by economic activity.xlsx")){
        download.file(url, destfile = "labour force by economic activity.xlsx", method = "curl")
}

## 19. Global Economic Monitor.
url <- "http://databank.worldbank.org/data/download/GemDataEXTR.zip"
if(!file.exists("GemDataEXTR.zip")){
        download.file(url, destfile = "GemDataEXTR.zip")
}
# Extract the desired file from zip
unzip("GemDataEXTR.zip", files = "Industrial Production, constant 2010 US$, not seas. adj..xlsx")

## 20. Monopolization of Ukraine by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/79475ea3/Data/monopoly%20by%20year.xlsx"
if(!file.exists("monopoly by year.xlsx")){
        download.file(url, destfile = "monopoly by year.xlsx", method = "curl")
}

## 21. Monopolization by the branches of national economy
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/79475ea3/Data/Monopolization%20by%20the%20branches%20of%20national%20economy.xlsx"
if(!file.exists("Monopolization by the branches of national economy.xlsx")){
        download.file(url, destfile = "Monopolization by the branches of national economy.xlsx", method = "curl")
}

## 22. Monopolization level by economic activity
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/79475ea3/Data/monopolization%20level%20by%20economic%20activity.xlsx"
if(!file.exists("monopolization level by economic activity.xlsx")){
        download.file(url, destfile = "monopolization level by economic activity.xlsx", method = "curl")
}

## 23. Wearout of fixed assets (%) (Fig.70-72)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/6bd2543c/Data/fixed%20assets.xlsx"
if(!file.exists("fixed assets.xlsx")){
        download.file(url, destfile = "fixed assets.xlsx", method = "curl")
}


#----------------------------------------------------------------------------------------------------------------

#READ FILES
## 1. Extractive Industry Data
ExtractiveIndustry <- read.xlsx("Extractive industry.xlsx", sheetName="extractive industry", header=TRUE)
## 2. Processing Industry Data
ProcessingIndustry <- read.xlsx("Processing industry_fin.xlsx", sheetName="processing industry", header=TRUE)
## 3. Investments in the fixed assets of ukrainain companies by type of the economic activity per year
FixedAssetsInvestments <- read.xlsx("investments in the fixed assets.xlsx", sheetName="investments in the fixed assets",header=TRUE)
## 4. Data on the number of people employed in various sectors of the economy for years
Labour <- read.xlsx("labour.xlsx", sheetName="labour of ukraine", header=TRUE)

## 4a. Data on the number of people employed in economic activities
Employed_in_economic <- read.xlsx("employed_in_economic_activity.xlsx", sheetName="employed in activities", header=TRUE)

## 5. Private sector share in GDP (in per cent) 
#GDPprivat <- read.xlsx("GDP_by_private_companies_ua_by_year.xlsx", sheetName="GDP by private companies in Ukr", header=TRUE)

GDPprivat <- read.xlsx("sci.xls", sheetName="Ukraine", header=TRUE)

## 6. Data on investments in privatized companies by years
PrivatizedCompaniesInvestments <- read.xlsx("investments_in_privatized_companies.xlsx", sheetName="invest", header=TRUE)
## 7. Data on Enterprises by ownership
OwnershipData <- read.xlsx("number_of_enterprices_ by_ownership_ua.xlsx", sheetName="enterprises by ownership", header=TRUE)
## 8. Privatization contracts by State control over the fulfillment of the terms of sales contracts by groups of privatization objects 
PrivStateControl <- read.xlsx("privatization_contracts_over_control.xlsx", sheetName="control over contracts", header=TRUE)
## 9. Privatization index of EBRD. Selected countries
PrivIndexEBRD <- read.xlsx("privatization_index_EBRD_selected_countries.xlsx", sheetName="privatization index", header=TRUE)
## 10. % of privatization in the total Ukrainian budget receipts per year
BudgetPrivReceipts <- read.xlsx("privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx", sheetName="% of privatization in total ", header=TRUE)
## 11. Data on the groups, number and years of privatized companies in the Ukraine
PrivatizationUA <- read.xlsx("privatization_ua.xlsx", sheetName="privatization", header=TRUE)
## 12. Ukrainian Budget Receipt from privatization (comulative total)
BudgetPriv_comulative <- read.xlsx("ukr_budget_receipt_comulative_total.xlsx", sheetName="budget receipt comulative", header=TRUE)
## 13. Ukrainian Budget Receipt from privatization (per year)
BudgetPriv_perYear <- read.xlsx("ukr_budget_receipt_per_year.xlsx", sheetName="budget receipts per year", header=TRUE)
## 14. Number of privatized companies of groups В,G by industries on.01.01.2005
Priv_economic_activity <- read.xlsx("privatization_by_economic_activity.xlsx", sheetName="privatization by econom.act.", header=TRUE)
## 15. Analysis of the control over the fulfillment of the terms of sales contracts by groups of privatization objects
Violations_contracts <- read.xlsx("violations_in_ the_ contracts_over_control.xlsx", sheetName="violations", header=TRUE)
## 16. Penalties accrued for violating the terms of contracts of sale and purchase of privatization objects by years
Penalties_per_violation <- read.xlsx("penalties_per_violation_in_the_contracts_over_control.xlsx", sheetName="penalties", header=TRUE)
## 17. Salaries in Ukraine by economic activity and company (orgainzation, institution, body) legal form in 2015 (UAH)
Salaries <- read.xlsx("salaries by economic activity.xlsx", sheetName="salaries by econom.act.", header=TRUE)
## 18. Labour force of Ukraine by economic activity in 2015 (%)
Labour_force <- read.xlsx("labour force by economic activity.xlsx", sheetName="labour force by econom.act.", header=TRUE)
## 19. Global Economic Monitor -> Industrial production 
Industrial_production <- read.xlsx("Industrial Production, constant 2010 US$, not seas. adj..xlsx", sheetName="annual", header=TRUE)
## 20. Monopolization of Ukraine by years
Monopoly_ua <- read.xlsx("monopoly by year.xlsx", sheetName="market type", header=TRUE)
## 21. Monopolization by the branches of national economy
Monopoly_by_branches <- read.xlsx("Monopolization by the branches of national economy.xlsx", sheetName="monoply by branch of nationecon", header=TRUE)
## 22. Monopolization level by economic activity
Monopoly_by_activity <- read.xlsx("monopolization level by economic activity.xlsx", sheetName="monopoly by econ.act.", header=TRUE)
## 23. Wearout of fixed assets (%) (Fig.70-72)
Depreciation_fixed_assets <- read.xlsx("fixed assets.xlsx", sheetName="wearout by ec.act.", header=TRUE)

Очистка данных

# 1. Extractive Industry Data
## new column names of dataframe
colnames(ExtractiveIndustry) <- c("ProductName", "Units", "1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015")

## new temporary dataframe
testDF <- data.frame()

## convert dataframe ExtractiveIndustry in to machine format
for (x in 1:15) {
        year <- 1990
        testDF$X.Coal.available. <- as.character(testDF$X.Coal.available.)
        testDF$X.Million.tones. <-  as.character(testDF$X.Million.tones.)
        for(i in 3:28){
                testDF$X.1990. <- as.numeric(testDF$X.1990.)
                testDF$NA_character_. <- as.numeric(testDF$NA_character_.)
                temp <- c(as.character(ExtractiveIndustry[x,1]),
                          as.character(ExtractiveIndustry[x,2]), as.numeric(ExtractiveIndustry[x,i]),
                          as.numeric(year))
                testDF <- rbind(testDF, temp)
                year <- year +1 
        }   
}
## new column names of dataframe
colnames(testDF) <- c("ProductName", "Units", "Value", "Year")
## deleting of excess line
testDF <- testDF[-1,]
## deleting unnecessary characters in the text
testDF$ProductName <- gsub("\302\240"," - ",testDF$ProductName)

## Extractive Industry Data in new format
ExtractiveIndustry <- testDF

ExtractiveIndustry$Value <- as.numeric(ExtractiveIndustry$Value)
ExtractiveIndustry$Year <- as.factor(ExtractiveIndustry$Year)
#2. Processing Industry Data
## new column names of dataframe
colnames(ProcessingIndustry) <- c("ProductName", "Units", "1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015")

## change class of the columns 
for(i in 3:28){
        ProcessingIndustry[,i] <- suppressWarnings(as.numeric(as.character(ProcessingIndustry[,i])))
}

## new temporary dataframe
testDF <- data.frame()


## convert dataframe ProcessingIndustry in to machine format
for (x in 1:152) {
        year <- 1990
        testDF$X.Fresh..fresh.killed..or.cooled.beef.and.veal. <- as.character(testDF$X.Fresh..fresh.killed..or.cooled.beef.and.veal.)
        testDF$X.Thousand.tons. <-  as.character(testDF$X.Thousand.tons.)
        
        for(i in 3:28){
                testDF$X.1990. <- as.numeric(testDF$X.1990.)
                testDF$NA_character_. <- as.numeric(testDF$NA_character_.)
                temp <- c(as.character(ProcessingIndustry[x,1]),
                          as.character(ProcessingIndustry[x,2]), as.numeric(ProcessingIndustry[x,i]),
                          as.numeric(year))
                testDF <- rbind(testDF, temp)
                year <- year +1 
        }   
        
}

## new column names of dataframe
colnames(testDF) <- c("ProductName", "Units", "Value", "Year")
## deleting of excess line
testDF <- testDF[-1,]
## deleting unnecessary characters in the text
testDF$ProductName <- gsub("\302\240"," ",testDF$ProductName)
testDF$ProductName <- gsub("\342\200\223"," ",testDF$ProductName)
## Extractive Industry Data in new format
ProcessingIndustry <- testDF

ProcessingIndustry$Value <- as.numeric(ProcessingIndustry$Value)
#ProcessingIndustry$Year <- as.factor(ProcessingIndustry$Year)

# 3. Private sector share in GDP (in per cent)  
GDPprivat2 <- GDPprivat 
GDPprivat <- data.frame(GDPprivat2[2,3],GDPprivat2[5,3])
for(i in 4:9){
        temp <- data.frame(GDPprivat2[2,i],GDPprivat2[5,i])
        names(GDPprivat) <- names(temp)
        GDPprivat <- rbind(GDPprivat, temp)
}

colnames(GDPprivat) <- c("Year", "% of GDP by private companies")

# 4. Scraping of data from the Internet, cleaning them, and creating a new dataframe with minimum wage data for the countries of the world (Year 2013. For Fig. 36)
# Указываем страницу с данными
page <- read_html("http://www.nationmaster.com/country-info/stats/Labor/Salaries-and-benefits/Monthly-minimum-wage")
# Скачиваем столбик - country
country <- page %>% html_nodes(".full") %>% 
        html_text()
# Скачиваем столбик - amount
amount <- page %>% html_nodes(".amount") %>% 
        html_text()
# Удаляем лишнюю строку
amount <- amount[-1]
# Объеденяем оба столбца в одну таблицу
df <- data.frame(country, amount)
# Чистим полученые данные.
df$amount <- gsub("\r\n","",df$amount) 
df$amount <- str_trim(df$amount) # удаление пробелов
df$amount <- gsub("EUR","",df$amount)
df$amount <- gsub(",","",df$amount)
df$amount <- as.numeric(df$amount)
MinWage <- df
colnames(MinWage) <- c("Country", "EUR")

# 5. Scraping of data from the Internet, cleaning them, and creating a new dataframe with avarage wage data for the countries of the world (Year 2013. For Fig. 37)
# Указываем страницу с данными
page <- read_html("http://www.nationmaster.com/country-info/stats/Cost-of-living/Average-monthly-disposable-salary/After-tax")
# Скачиваем столбик - country
country <- page %>% html_nodes(".full") %>% 
        html_text()
# Скачиваем столбик - amount
amount <- page %>% html_nodes(".amount") %>% 
        html_text()
# Удаляем лишнюю строку
amount <- amount[-1]
# Объеденяем оба столбца в одну таблицу
AvWage <- data.frame(country, amount)
# Чистим полученые данные.
AvWage$amount <- gsub("\r\n","",AvWage$amount) 
AvWage$amount <- str_trim(AvWage$amount) # удаление пробелов
AvWage$amount <- gsub("\\$","",AvWage$amount)
AvWage$amount <- gsub(",","",AvWage$amount)
AvWage$amount <- as.numeric(AvWage$amount)
colnames(AvWage) <- c("Country", "USD")

# 5. Industrial production for Fig.38
Industrial_production2 <- select(Industrial_production, c(c......1991....1992....1993....1994....1995....1996....1997..., Belarus, Lithuania, Latvia, Russian.Federation, Ukraine))
# 6. Data cleaning for the section on monopoly
colnames(Monopoly_ua) <- c("Market.type", "Year", "Market.share(%)")

colnames(Monopoly_by_branches) <- c("Market.type", "Branch", "%")

colnames(Monopoly_by_activity) <- c("Economic.activity", "Type.of.the.market", "%")

ПРИВАТИЗАЦИЯ В УКРАИНЕ. 1992-2015 ГГ.

Информация о данных, используемых в данном разделе

Большинство статистических данных раздела «Приватизация в Украине 1992-2015 гг.» (рис.1-3), касающиеся количественных показателей приватизированных объектов в Украине по группам и годам взяты из официальных итоговых годовых отчетов Фонда государственного имущества Украины за соответствующие годы (с 1992 по 2016). На момент последней редакции данной работы, эти отчеты можно было выбрать среди других документов и загрузить на портале Фонда в разделе Деятельность /Отчеты Фонда по ссылке http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html . Отчеты меняли свою структуру из года в год, но в основном (особенно в последние годы), общие количественные данные по приватизированным объектам представлялись в отчетах в приложении 1. Кроме того, для удобства читателя, данные отчеты были отобраны авторами и загружены на сайте __________. Для того, что бы иметь возможность отследить динамику приватизации объектов по годам и группам, таблицы с разбивкой по годам формировались из этих отчетов авторами самостоятельно. Данные авторских таблиц в формате excel могут быть загружены читателем на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_ua.xlsx.* Данные графика 5 (индекс приватизации) взяты авторами из базы данных ЕБРР. Полные версии файлов с данными по индексу приватизации более чем по 50 странам могут быть самостоятельно загружены читателем на портале ЕБРР (путь: Home/What We Do/EBRD economics/Economic data/Forecasts/data, indicators). На момент последней редакции данной работы это соответствовало ссылке http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Кроме того, для удобства читателя, данные файлы были загружены авторами на сайт __________. На основе данных, выбранных для анализируемых стран, авторами была сформирована таблица в формате excel, которая так же загружена на сайт https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_index_EBRD_selected_countries.xlsx.*
Исходные статистические данные поступлений в государственный бюджет Украины, полученные от приватизации (Рис.6), так же взяты в соответствующих ежегодных отчетах Фонда Госимущества (обычно они либо приводятся в теле отчета, либо, что более характерно для последних лет, выводятся в отдельное приложение). Авторские таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_comulative_total.xlsx Эти данные стали основой для авторских расчетов данных графиков 7-10. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_per_year.xlsx* Данные, касающихся государственного контроля за выполнением условий договор купли-продажи (рисунки 11-18) так же приводятся в соответствующих разделах отчетов Фонда. Авторские таблицы в формате excel, построенные на базе этих данных, могут быть загружены читателем на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_contracts_over_control.xlsx.*

——————————————————————————————————————-

Этап «большой приватизации» в Украине закончился в 2000 г. За 8 лет (в период с 1992 по 2000 г) было приватизировано 18204 объекта государственной собственности, что в два раза больше чем за следующие 15 лет. (с 2001 по 2016 гг). Всего за период независимости Украина избавилась от «балласта» и передала в частные руки более 28 тыс.предприятий. (Классификация предприятий по группам в соответствии с Законом Украины «О приватизации» приведена в Приложении 1). Большая их часть (более 15 тыс.), конечно же, относилась к так называемой «группе А» - малым предприятиям, стоимость основных фондов которых не превышает 1 млн. гривен. Предприятий групп В и Г – ( большие предприятия, а так же предприятия, имеющие стратегическое значение), было приватизировано более 7 тыс. При этом их львиная доля – более 97% - была приватизирована еще на этапе «большой приватизации» - до 2000 года. В основном это касалось предприятий пищевой, добывающей и перерабатывающей промышленности, металлургии, производства гражданских видов транспорта. Порядка 1400 объектов группы Ж (объекты социо-культурного назначения) так же были приватизированы за годы независимости. Из них около 40% - в период до 2000 года, и 60% - после. (Более детально см.Рис.1.и Рис.2)1

# Organization of data for plotting Fig.1.
# Clean Na's
good <- complete.cases(PrivatizationUA)
PrivatizationUA_clean <- PrivatizationUA[good,]
# Preparing data for plotting
x <- c("A", "B,G", "D", "E", "Zh")
#Creating a dataframe privatized companies by groups
Privatized_companies <- data.frame()
for(i in x){
        temp <- PrivatizationUA_clean %>% filter(Companies.class == i)%>%
                summarise(Companies.class = i ,Number.of.privatized.companies = sum(Number.of.privatized.companies))
        Privatized_companies <- rbind(Privatized_companies, temp)
}
 
Privatized_companies$Companies.class <- as.factor(Privatized_companies$Companies.class)
Таблица приватизированных предприятий по группам2 за период 1992 - 2015 года
# Output the table
Privatized_companies
##   Companies.class Number.of.privatized.companies
## 1               A                          15005
## 2             B,G                           7086
## 3               D                           3949
## 4               E                            749
## 5              Zh                           1386
Рис.1. Количество приватизированных до 2016 г. предприятий по группам
# Plot the dataframe
ggplot(data = Privatized_companies, aes(x = Companies.class, y = Number.of.privatized.companies, 
                                         fill = Companies.class ))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.1. Number of enterprises privatized by 2016 by groups")

# Organization of data for plotting Fig.2.
# Create a function "count_priv_companies" that counts the number of privatized enterprises per group for a given period of time
count_priv_companies <- function(year) {
        # Download tha Data of privatized companies in the Ukraine
        url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/265e2aa7/Data/privatization_ua.xlsx"
        if(!file.exists("privatization_ua.xlsx")){
                download.file(url, destfile = "privatization_ua.xlsx", method = "curl")
        }
        # Read th Data 
        PrivatizationUA <- read.xlsx("privatization_ua.xlsx", sheetName="privatization", header=TRUE)
        # Delete Na's
        good <- complete.cases(PrivatizationUA)
        PrivatizationUA_clean <- PrivatizationUA[good,]
        # Change the column class and give to Na's the value of 1993 year, which was previously 1992-1993
        PrivatizationUA_clean$Year <- suppressWarnings(as.numeric(as.character(PrivatizationUA_clean$Year)))
        PrivatizationUA_clean$Year[c(1,24,46)] <- 1993
        # Create a temporary dataframes
        Privatized_byYear <- data.frame()
        temp2 <- data.frame()
        temp3 <- data.frame()
        # Assign to X the value of classes of privatized enterprises
        x <- c("A", "B,G", "D", "E", "Zh")
        # for-loop which counts the number of enterprises for the given years
        for(i in x){
                for(y in year){
                        temp <- PrivatizationUA_clean %>% filter(Companies.class == i & Year == y) 
                        temp2 <- rbind(temp2, temp) 
                }
                temp3 <- temp2 %>% 
                        summarise(Companies.class = i ,Number.of.privatized.companies = sum(Number.of.privatized.companies))
                Privatized_byYear <- rbind(Privatized_byYear, temp3)
                temp2 <- NULL
        }
                # Output the result value
                Privatized_byYear
}
Рис.2. Количество приватизированных предприятий по группам (1992-2015 гг)
phase1 <- count_priv_companies(1993:2000)
phase2 <- count_priv_companies(2001:2005)
phase3 <- count_priv_companies(2006:2010)
phase4 <- count_priv_companies(2010:2015)
phase1$years <- as.factor(c("1992-2000", "1992-2000", "1992-2000", "1992-2000", "1992-2000"))
phase2$years <- as.factor(c("2001-2005", "2001-2005", "2001-2005", "2001-2005", "2001-2005"))
phase3$years <- as.factor(c("2006-2010", "2006-2010", "2006-2010", "2006-2010", "2006-2010"))
phase4$years <- as.factor(c("2010-2015", "2010-2015", "2010-2015", "2010-2015", "2010-2015"))
all_phases <- rbind(phase1, phase2, phase3, phase4)

ggplot(data = all_phases, aes(x = Companies.class, y = Number.of.privatized.companies, 
                                         fill = Companies.class ))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.2. Number of privatized enterprises by groups (1992-2015)")+
        facet_grid(.~years, scales = "free")

all_phases
##    Companies.class Number.of.privatized.companies     years
## 1                A                           8688 1992-2000
## 2              B,G                           6777 1992-2000
## 3                D                           1565 1992-2000
## 4                E                            544 1992-2000
## 5               Zh                            630 1992-2000
## 6                A                           4040 2001-2005
## 7              B,G                            241 2001-2005
## 8                D                           1977 2001-2005
## 9                E                            124 2001-2005
## 10              Zh                            557 2001-2005
## 11               A                           1767 2006-2010
## 12             B,G                             27 2006-2010
## 13               D                            304 2006-2010
## 14               E                             55 2006-2010
## 15              Zh                            154 2006-2010
## 16               A                            663 2010-2015
## 17             B,G                             50 2010-2015
## 18               D                            116 2010-2015
## 19               E                             43 2010-2015
## 20              Zh                             58 2010-2015

Поскольку практически все предприятия групп В и Г были приватизированы до 2005 (7 тыс.) то структура приватизированных в этот период предприятий по отраслям промышленности даст нам общее понимание того, какие именно сектора реальной экономики государство передало в частные руки. (Рис.3) Как мы видим, основными отраслями промышленности, которых коснулась приватизация, стали машиностроение, строительство, пищевая и транспортная промышленность.

Рис.3. Приватизированные предприятия групп В,Г по отраслям промышленности на 01.01.2005 г.3
Priv_economic_activity
##          economic.activity number.of.privatized.companies.on.01.01.2005
## 1         Mashine building                                         1698
## 2             Construction                                         1355
## 3            Food industry                                         1167
## 4       Transport industry                                         1092
## 5   Construction Materials                                          516
## 6           Light industry                                          391
## 7  Woodprocessing industry                                          241
## 8        Chemical industry                                          156
## 9       Ferrous metallurgy                                          123
## 10           Fuel industry                                           41
## 11       Power engineering                                           38
ggplot(data = Priv_economic_activity, aes(x = economic.activity, y = number.of.privatized.companies.on.01.01.2005, 
                                         fill = economic.activity))+
        geom_bar(colour="black", stat = "identity")+
        coord_flip()+
        xlab("Economic activity")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.3. Number of privatized companies by industries on.01.01.2005")

Об ударных темпах приватизации так же говорит и тот факт, что еще в 2001 году количество государственных предприятий составляло 5% от общего числа предприятий Украины, а уже в 2014 – только 2% (около 6 тыс.), Из них более 2 тыс. относились к предприятиям военно-промышленного комплекса и инфраструктурным предприятиям – отраслям промышленности, пока практически избежавшим приватизации.4 (рис.4).

Рис. 4. Количество государственных и частных предприятий Украины по годам5
OwnershipData
##    year enterprise.ownership number.of.enterprices
## 1  2001                state                  9965
## 2  2006                state                  7562
## 3  2007                state                  7359
## 4  2008                state                  7213
## 5  2009                state                  6975
## 6  2010                state                  6801
## 7  2011                state                  6661
## 8  2012                state                  6512
## 9  2013                state                  6075
## 10 2014                state                  5933
## 11 2001              private                192168
## 12 2006              private                248211
## 13 2007              private                258536
## 14 2008              private                270331
## 15 2009              private                278574
## 16 2010              private                283697
## 17 2011              private                285821
## 18 2012              private                283911
## 19 2013              private                280073
## 20 2014              private                278227
ggplot(data = OwnershipData, aes(x = year, y = number.of.enterprices, 
                                         fill = enterprise.ownership ))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.4. Number of state and private enterprises in Ukraine by years")

Даже Европейский Союз в лице Европейского Банка Реконструкции и Развития довольно высоко оценил эти успехи Украины на пути передачи государственного имущества в более эффективные частные руки, как обязательного условия успешного экономического развития. В своем ежегодном исследовании, аналитики Банка выставляют индексовый показатель (от «1» до «5»), оценивающий уровень приватизации в стране для крупных и мелких предприятий6:

Приватизации крупных предприятий:

«1» - Низкий уровень приватизации. «2» - Всесторонняя схема почти готова к внедрению; некоторые продажи завершены. «3» - Более 25 процентов крупных предприятий перешли в частные руки или в процессе приватизации. «4» - Более 50 процентов государственных предприятий и сельскохозяйственных активов в частной собственности. «4+» - Стандарты и показатели типичны для передовых промышленно развитых стран: более 75 процентов активов предприятий в частной собственности.

Приватизация мелких предприятий:

«1» - низкий уровень приватизации. «2» Значительная доля приватизирована. «3» Комплексная программа почти готова к реализации. «4» Полная приватизация малых компаний с торгуемых права собственности. «4+» Стандарты и показатели характерны для развитых индустриальных экономик: нет государственной собственности малых предприятий;

По этому комплексному оценочному показателю, начав вместе с другими странами бывшего СССР с «1» в 1990 году, уже к 2014 году Украина поднялась к «3» по приватизации крупных предприятий и к «4» по приватизации малых предприятий, значительно обогнав Беларусь, и совсем немного отстав от Латвии и Литвы, которые прожили эти годы в «европейской семье». (см.рис.5)

Рис.5. Приватизация в Украине, Беларуси, Латвии и Литве. Комплексная оценка ЕБРР по годам.
PrivIndexEBRD
##    year   country privatization.class privatization.index
## 1  1990   Ukraine                 big                 1.0
## 2  2014   Ukraine                 big                 3.0
## 3  1990   Ukraine               small                 1.0
## 4  2014   Ukraine               small                 4.0
## 5  1990   Belarus                 big                 1.0
## 6  2014   Belarus                 big                 1.7
## 7  1990   Belarus               small                 1.0
## 8  2014   Belarus               small                 2.3
## 9  1990    Latvia                 big                 1.0
## 10 2014    Latvia                 big                 3.7
## 11 1990    Latvia               small                 1.0
## 12 2014    Latvia               small                 4.0
## 13 1990 Lithuania                 big                 1.0
## 14 2014 Lithuania                 big                 4.0
## 15 1990 Lithuania               small                 1.0
## 16 2014 Lithuania               small                 4.3
ggplot(data = PrivIndexEBRD, aes(x = country, y = privatization.index, 
                                         fill = country ))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("EBRD privatization index")+
        ggtitle("Fig.5. EBRD's assessment of the level of privatization by years.")+
        facet_grid(privatization.class~year)

К каким результатам в экономике Украины, в совокупности с другими факторами, привело такое структурное изменение, как смена собственника с государственного на частного? Как отразилось на поступлениях в государственный бюджет? Стало ли подспорьем в борьбе с безработицей и бедностью? Подстегнуло ли к развитию промышленности?

ПРИВАТИЗАЦИЯ КАК ИСТОЧНИК ПОПОЛНЕНИЯ ГОСУДАРСТВЕННОГО БЮДЖЕТА УКРАИНЫ?

Считается, что поступления в государственный бюджет от приватизации обычно «значительные», и являются важной статьей формирования доходной части бюджета. Уменьшение поступлений от приватизации в процентном соотношении за предыдущий отчетный период воспринимаются как «большая катастрофа», а увеличение – как «большое достижение», и всерьез и долго обсуждаются журналистами и экспертами в средствах массовой информации. Любознательный слушатель прямо сейчас может забить в поисковике словосочетание «поступления от приватизации в государственный бюджет» и убедиться, что это правда. Следует отметить, что Фонд Госимущества Украины, в своих ежегодных отчетах предпочитает публиковать график ежегодных поступлений в бюджет от приватизации по «накопительному итогу», т.е. прибавляя к отчетному периоду весь предыдущий «запас». В результате получается очень оптимистичная картина (Рис.6)7 некоего «стабильного роста», из которой следует, что всего за 1992-2015 гг от приватизации в бюджет страны поступило 63 млрд.грн.

Рис. 6. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по накопительному итогу (млн.грн.)
BudgetPriv_comulative
##         Year Million.UAH
## 1  1992-1999      1202.6
## 2       2000      3278.1
## 3       2001      5410.1
## 4       2002      5986.2
## 5       2003      8001.9
## 6       2004     17416.8
## 7       2005     38116.0
## 8       2006     36638.9
## 9       2007     41097.2
## 10      2008     41577.9
## 11      2009     42381.5
## 12      2010     43478.6
## 13      2011     54959.0
## 14      2012     61722.3
## 15      2013     63263.5
## 16      2014     63669.1
## 17      2015     63820.6
ggplot(data = BudgetPriv_comulative, aes(x = Year, y = Million.UAH, group = 1))+
        geom_area(stat = "identity", fill = "darkgray")+
        geom_line(colour="darkblue", size = 0.5)+
        geom_point(colour="darkorange", size = 2)+
        xlab("Year")+
        ylab("Million UAH")+
        ggtitle("Fig.6 Incomes to Ukraine budget from privatization in 1992-2015 (cumulative total)")

Однако, если посмотреть на реальные поступления в бюджет, не приплюсовывая «по-популистски» финансовые результаты всех предыдущих отчетных периодов к текущему, получится совершенно другая картина (рис.7)8.

Рис.7. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.грн).
BudgetPriv_perYear
##         Year Million.UAH Million.USD
## 1  1992-1999      1202.6      683.30
## 2       2000      2075.5      377.36
## 3       2001      2132.0      387.64
## 4       2002       576.1      104.75
## 5       2003      2015.7      366.49
## 6       2004      9414.9     1711.80
## 7       2005     20699.2     4098.58
## 8       2006       522.9      103.54
## 9       2007      2458.3      486.79
## 10      2008       480.7       60.09
## 11      2009       803.6       80.36
## 12      2010      1097.1      109.71
## 13      2011     11480.4     1148.04
## 14      2012      6763.3      676.33
## 15      2013      1541.2      154.11
## 16      2014       405.6       40.56
## 17      2015       151.5        6.06
ggplot(data = BudgetPriv_perYear, aes(x = Year, y = Million.UAH))+
        geom_bar(colour="black", stat = "identity")+
        
        xlab("Years")+
        ylab("Millions UAH")+
        ggtitle("Fig.7. Number of privatized companies by industries on.01.01.2005")

«Пик» значительно больших поступлений в бюджет 2005 года связан с громкой ре-приватизацией «по честному» нескольких предприятий, проведенный правительством Тимошенко, а «пик» 2011 года – опять же, вынужденной необходимостью наполнить бюджет после президентских выборов 2010 г.
Так же стоит перевести «гривневые» поступления в бюджет Украины от приватизации в более «твердую валюту», например, в номинальные доллары США, что бы иметь возможность сравнивать эффективность приватизации в разные временные периоды. (рис.7а)

Рис.7a. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.ном.дол.США.)
ggplot(data = BudgetPriv_perYear, aes(x = Year, y = Million.USD))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_cartesian(ylim=c(0, 3000))+
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.7a. Number of privatized companies by industries on.01.01.2005")

Отдельно стоит отметить, что поступления в бюджет от приватизации за период 1992-2000 года – период, когда было приватизировано более 58% малых предприятий и 97% (!!!) больших и стратегически значимых предприятий, составили 1,06 млрд. номинальных долларов США, а поступления от приватизации с 2000 по 2015 год принесли более 9,5 млрд. – что в 9 раз больше. (Рис.8).

Рис.8. Сравнение поступлений в бюджет Украины от приватизации по периодам (млн.ном.дол.США).
temp <- BudgetPriv_perYear[1:2,] %>% summarise(Year = "1992-2000", Million.USD = sum(Million.USD))
temp2 <- BudgetPriv_perYear[3:17,] %>% summarise(Year = "2001-2015", Million.USD = sum(Million.USD))
BudgetPriv_per2Phases <- rbind(temp, temp2)

#
ggplot(data = BudgetPriv_per2Phases, aes(x = Year, y = Million.USD, fill = Year))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.8. Comparison of revenues to the budget from privatization by period")

Интересным при этом представляется сравнить поступления от приватизации с другими статьями пополнения бюджета и определить долю, которую занимает приватизация в его структуре. (Табл.1.)

Таблица 1. Сравнение поступлений от приватизации с общей доходной частью государственного бюджета Украины (млн. грн.)9

colnames(BudgetPrivReceipts) <- c("Year", "Total Incomes", "Income from privatization", "% Priv. to total income")
BudgetPrivReceipts[,5] <- NULL
BudgetPrivReceipts
##    Year Total Incomes Income from privatization % Priv. to total income
## 1  2000       36229.9                    2075.5               5.7300000
## 2  2001       39726.5                    2132.0               5.3700000
## 3  2002       45467.6                     576.1               1.2700000
## 4  2003       55076.9                    2015.7               3.6600000
## 5  2004       70337.8                    9414.9              13.3900000
## 6  2005      105191.9                   20699.2              19.6800000
## 7  2006      127516.0                     522.9               0.4100662
## 8  2007      157287.0                    2458.3               1.5629391
## 9  2008      231686.3                     480.7               0.2100000
## 10 2009      209700.3                     803.6               0.3800000
## 11 2010      240615.2                    1097.1               0.4600000
## 12 2011      314616.9                   11480.4               3.6500000
## 13 2012      346054.0                    6763.3               1.9500000
## 14 2013      339180.3                    1541.1               0.4500000
## 15 2014      357084.2                     405.6               0.1100000
## 16 2015      534694.8                     151.5               0.0300000

Из данных таблицы видно, что в среднем поступления от приватизации составляли 0,9% общих доходов государственного бюджета Украины. Просто для того, что бы убедиться воочию, насколько мала эта доля, отобразим это процентное соотношение на графике (рис.9).

Рис.9. Сравнение поступлений от приватизации с другими статьями дохода государственного бюджета Украины (%).
perc_inc <- data.frame(sum(BudgetPrivReceipts$`Income from privatization`)/sum(BudgetPrivReceipts$`Total Incomes`)*100, 0)
temp <- c(100 - perc_inc[1,1])
perc_inc <- rbind(perc_inc, temp)
colnames(perc_inc) <- c("% revenues", "Source of replenishment of the state budget")
perc_inc$`Source of replenishment of the state budget` <- c("% revenues from privatization", "% revenues from other sources")
#
ggplot(data = perc_inc, aes(x = `Source of replenishment of the state budget`, y = `% revenues`, fill = `Source of replenishment of the state budget`))+
        geom_bar(colour="black", stat = "identity")+
        
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.9. Comparison of receipts from privatization with other articles of income")

Если сопоставить поступления в бюджет от приватизации в долларах США по годам с количеством приватизированных за тот же год объектов, то можно получить следующую картину (Рис.10). В 1992-1999 гг один объект приватизации (читай «бизнес») частные собственники покупали у государства в среднем за 41 тыс.дол.США. С 2000 по 2014 год приходилось платить в среднем уже порядка 370 тыс.дол.США, за исключением «конъюнктурных пиков» 2004-2005 и 2011-2012 годов, описанных выше, когда такие покупки обходились в 4-6 млн.дол. В 2015 году, к слову, выкуп одного бизнеса у государства опять практически вернулся к уровню 1992-1999 гг., составив 51 тыс.дол.США.

# Preparing data for figure 10
## The average cost of one privatized state enterprise from 1992 to 1999
avercost <- data.frame("1992-1999", BudgetPriv_perYear[1,3]/sum(count_priv_companies(1993:1999)$Number.of.privatized.companies)*1000) 
avercost2 <- data.frame(as.numeric(NULL,NULL))

## The average cost of one privatized state enterprise from 2000 to 2015 by years
for(i in 2000:2015){
        x <- filter(BudgetPriv_perYear, Year == i)[1,3]
        y <- sum(count_priv_companies(i)$Number.of.privatized.companies)
       temp <- data.frame(i, (x/y)*1000)
       
       if (ncol(avercost2)==ncol(temp)) {names(avercost2) <- names(temp)}
       
       avercost2 <- rbind(avercost2, temp)
}
## Combine the data of the periods 1992-1999 and 2000-2015 into one table
names(avercost) <- names(avercost2) 
avercost <- rbind(avercost2, avercost)
colnames(avercost) <- c("Year", "Nominal thousand USD for 1 company")
avercost$`Nominal thousand USD for 1 company` <- round(avercost$`Nominal thousand USD for 1 company`, 2)

Таблица–. Среднестатистическая стоимость 1го объекта приватизации по годам (ном.тыс.дол.США)

avercost
##         Year Nominal thousand USD for 1 company
## 1       2000                             221.33
## 2       2001                             234.93
## 3       2002                              65.72
## 4       2003                             233.58
## 5       2004                            1384.95
## 6       2005                            4605.15
## 7       2006                             154.08
## 8       2007                             997.52
## 9       2008                             110.87
## 10      2009                             200.90
## 11      2010                             535.17
## 12      2011                            6636.07
## 13      2012                            4001.95
## 14      2013                             928.37
## 15      2014                             405.60
## 16      2015                              51.79
## 17 1992-1999                              41.41
Рис.10. Среднестатистическая стоимость 1го объекта приватизации по годам (ном.тыс.дол.США)
ggplot(data = avercost, aes(x = Year, y = `Nominal thousand USD for 1 company`, fill = `Nominal thousand USD for 1 company`))+
        geom_bar(colour="black", stat = "identity")+
        
        coord_cartesian(ylim=c(0, 4000))+
        xlab("Years")+
        ylab("Nominal thousand USD")+
        ggtitle("Fig.10. The average cost of 1 privatized company by year")

Кроме того, следует отметить, что приватизация предприятия, как и любая другая смена владельца, зачастую, влечет за собой реструктуризацию, а следовательно, увольнение людей. Поскольку люди, работающие на государственных предприятиях, социально защищены гораздо лучше, чем в частной структуре, все они пользуются системой «социальной защиты», становятся на биржу труда, регистрируются в центрах занятости. Общие затраты государства на 1-го безработного, проходящего через систему социальной защиты, как прямые (выплаты пособий, переобучение, и.т.д.) так и косвенные (зарплаты социальных работников, содержание офисов центров занятости, и т.д.), составляют примерно 5 тыс.евро на человека по оценкам эксперта аналитической платформы VoxUkraine Люка Ванкраена10. Этот же эксперт, в своей статье Outsourcing Privatization In Ukraine To Attract Capital And Raise Efficiency (Аутсорсинг приватизации в Украине для привлечения капитала и повышения эффективности) отмечает, что в результате приватизации только за последние 5 лет более 500 тыс.чел. попали в систему социальной зашиты, потеряв работу из-за реструктуризации предприятия, сменившего собственника. Путем несложных расчетов можно убедиться, что, к сожалению, за последние 5 лет на социальные выплаты, переквалификацию, поиск нового места работы, и т.д. для людей, потерявших работу из-за того, что предприятия, где они работали ранее, были приватизированы, государство потратило примерно 2,5 млрд. евро, а «заработало» на приватизации всего 2,134 млрд. (примерно на 20% меньше).

ГОСУДАРСТВЕННЫЙ КОНТРОЛЬ ИЛИ ВСПОМИНАЕТ ЛИ ГОСУДАРСТВО О СВОЕЙ БЫВШЕЙ СОБСТВЕННОСТИ?

Конечно же, формально существует механизм , благодаря которому государство может контролировать некоторое время (обычно от 3х до 5-ти лет) дальнейшую судьбу объектов, проданных в частные руки. Это специальные условия, указанные в договорах купли-продажи объектов приватизации. Такими условиями могут являться: привлечение инвестиций в приватизированное предприятие, неизменность основных видов деятельности, сохранение (а иногда и увеличение) количества рабочих мест, сохранение объемов выпускаемой продукции, и т.д. Такие договора находятся на контроле Фонда госимущества, которым проводятся ежегодные проверки выполнения указанных условий. Всего по накопительному итогу на 2015 год Фонд госимущества «отслеживал судьбу» 12359 объектов приватизации (43% общего количества приватизированных объектов): из них 2937 – объекты незавершенного строительства (или почти 75% общего количества приватизированных объектов этой группы), 8341 – объекты малой приватизации (56% объектов группы) а так же 1081 объект групп В и Г – крупных и стратегически важных предприятий. Относительно именно этих объектов (В и Г), казалось бы, контроль должен быть максимальным, го государство именно в этой группе, по чему то, оставило за собой право интересоваться дальнейшей судьбой всего лишь 15% предприятий этой группы. (Рис.11 и 12).

Рис.11. Сравнение количества объектов приватизации подлежащих государственному контролю с общим количеством объектов приватизации группы11.
PrivStateControl
##   object.class control.status number.of.objects
## 1            A not controlled              6559
## 2          B,G not controlled              5997
## 3            D not controlled               689
## 4            A     controlled              8341
## 5          B,G     controlled              1081
## 6            D     controlled              2937
PrivStateControl$control.status <- as.factor(PrivStateControl$control.status)
class(PrivStateControl$control.status)
## [1] "factor"
ggplot(data = PrivStateControl, aes(x = object.class, y = number.of.objects, fill = control.status))+
        geom_bar(stat = "identity")+
        xlab("Group of enterprises")+
        ylab("Number of enterprises")+
        ggtitle("Fig.11. Privatized companies under state control and not controled.")

Рис 12. Доля предприятий по группам, договор купли-продажи которых содержит дополнительные условия. (%)
x <- c("A", "B,G", "D")
underControl <- data.frame()
for(i in x){
        temp <- PrivStateControl %>% filter(object.class == i) %>%
                summarise(object.class = i, `% under state control` = number.of.objects[2]/sum(number.of.objects)*100)
        
        underControl <- rbind(underControl, temp)
}

underControl
##   object.class % under state control
## 1            A              55.97987
## 2          B,G              15.27268
## 3            D              80.99835
ggplot(data = underControl, aes(x = object.class, y = `% under state control`, fill = object.class))+
        geom_bar(stat = "identity")+
        xlab("Group of enterprises")+
        ylab("%")+
        ggtitle("Fig.12. Percentage of privatized companies under state control")

Другими словами, в 85% случаях частный собственник, приобретая крупное или стратегически важное предприятие, не брал на себя никаких обязательств ни по привлечению инвестиций, ни по сохранению вида деятельности, ни по объемам выпускаемой продукции, ни по сохранению рабочих мест.

При этом, даже те собственники, которые брали на себя обязательства, соблюдали их отнюдь не всегда. Так, только официальные плановые проверки Фонда госимущества выявляли ежегодно нарушения условий договоров купли-продажи в среднем в 20% случаях от общего количества проверенных договоров. Как видно из графика (рис.13), наибольшее количество нарушений выявлялось на этапе «большой приватизации» - до 2000 года. После этого выявляемое проверками количество нарушений снизилось, и остается на уровне 14-15% ежегодно.

Рис.13. Нарушения, выявляемые проверками условий выполнения договоров купли-продажи приватизированных объектов по годам (% к проверяемым договорам)12.
colnames(Violations_contracts) <- c("Year", "% contracts with violations")
Violations_contracts$Year <- as.factor(Violations_contracts$Year)

Violations_contracts
##    Year % contracts with violations
## 1  1996                        36.6
## 2  1997                        32.4
## 3  1998                        26.6
## 4  1999                        20.8
## 5  2000                        19.7
## 6  2001                        17.9
## 7  2002                        16.7
## 8  2003                        13.7
## 9  2004                        13.5
## 10 2005                        15.0
## 11 2006                        13.0
## 12 2008                        14.0
## 13 2009                        13.0
## 14 2012                        12.6
## 15 2014                        14.5
## 16 2015                        13.4
ggplot(data = Violations_contracts, aes(x = Year, y = `% contracts with violations`, group = 1))+
        geom_line(colour="darkblue")+
        geom_point()+
       
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.13. % Contracts with violations of the terms of sales of privatization objects") 

При этом, каждый слушатель, без сомнения, будучи патриотом и любя свою страну, все же понимает уровень коррупции в ней, и может интуитивно оценить, каким, скорее всего, является реальный уровень нарушений, если данные официальных отчетов держатся на отметке 14-15%. Как же наказываются предприятия, которые нарушают условия договоров купли-продажи? Они оплачивают штрафы. Зная из отчетов Фонда госимущества количество предприятий-нарушителей и общую сумму штрафов, начисленную по результатам ежегодных проверок, несложно подсчитать, во сколько обходится предприятию невыполнение обязательств (в том числе и сохранение основных видов деятельности, создание рабочих мест, привлечение инвестиций). Для возможности сравнивать разные временные периоды, переведем сумму штрафов в номинальные дол.США. (См.рис.14.)

Рис.14 Штрафы, начисленные за нарушение условий договоров купли-продажи объектов приватизации по годам на 1 нарушителя (ном.дол.США)13.
Penalties_per_violation2 <- filter(Penalties_per_violation, Category == "Penalties per violator")
Penalties_per_violation2$year <- as.factor(Penalties_per_violation2$year)
Penalties_per_violation2
##   year               Category            units Number
## 1 2003 Penalties per violator USD per violator    151
## 2 2005 Penalties per violator USD per violator    230
## 3 2006 Penalties per violator USD per violator    199
## 4 2008 Penalties per violator USD per violator    153
## 5 2009 Penalties per violator USD per violator    340
## 6 2012 Penalties per violator USD per violator   1029
## 7 2014 Penalties per violator USD per violator    641
## 8 2015 Penalties per violator USD per violator    254
ggplot(data = Penalties_per_violation2, aes(x = year, y = Number, size=Number, group = 1))+
        geom_line(colour="darkgray")+
        geom_point(colour = "orange")+
       
        xlab("Year")+
        ylab("nominal US dollars per violator")+
        ggtitle("Fig.14. Penalties accrued for violating the terms of privatization for 1 violator")

Сумма штрафа на одно предприятие составляла в среднем 374 доллара США в год, что навряд ли можно назвать серьезным сдерживающим фактором, мотивирующим руководство предприятия не нарушать обязательства по приватизационному договору. А вот «крайняя мера» - возврат предприятия в государственную собственность за все 20 лет была применена всего к 336 объектам. Т.е. из-за невыполнения условий приватизационных договоров было возвращено чуть больше 2% всех приватизированных предприятий, держащихся на контроле в Фонде госимущества. Основной вынужденной необходимостью приватизации промышленных предприятий считается всеми понятное «нет денег» у государства на модернизацию изношенных основных фондов, замену морально-устаревшего оборудования, квалифицированный менеджмент, маркетинг и т.д. Считается, что новый владелец – частник - обязательно вложит инвестиции в купленную собственность, создаст новые рабочие места, повысит зарплаты и предприятие получит «вторую жизнь». Давайте проанализируем по некоторым показателям успехи приватизированных в Украине предприятий14:.

Привлечение инвестиций.

В ежегодных отчетах Фонд госимущества так же публикует статистику по привлеченным в приватизированные предприятия инвестициям по накопительному итогу – картинка получается позитивная, линия графика инвестиций стремится вверх, достигая в 2015 году отметки почти в 30 млрд.грн. (Рис.15)15

Рис.15. Инвестиции в приватизированные предприятия по накопительному итогу (млрд.грн)
PrivatizedCompaniesInvestments
##          Year million.UAH million.USD
## 1  1995-2002         4620  1026.66667
## 2        2003         670   121.81818
## 3        2004         530    96.36364
## 4        2005        1060   209.90099
## 5        2006        1210   239.60396
## 6        2007        1310   259.40594
## 7        2008         510    63.75000
## 8        2009        6790   679.00000
## 9        2010        1170   117.00000
## 10       2011        1780   178.00000
## 11       2012        2360   236.00000
## 12       2013        2130   213.00000
## 13       2014        1360   136.00000
## 14       2015        2330    93.20000
# Пересчитываем таблицу, показывая ежегодный результат по накопительному методу
PCIcommulative <- data.frame(PrivatizedCompaniesInvestments[1,1], PrivatizedCompaniesInvestments[1,2])
for (i in 2:14){
       temp <-  data.frame(PrivatizedCompaniesInvestments[i,1], PrivatizedCompaniesInvestments[i,2] +
                                   PCIcommulative[i-1,2]) 
       names(PCIcommulative) <- names(temp)
       PCIcommulative <- rbind(PCIcommulative, temp)
}

colnames(PCIcommulative) <- c("Year", "Million UAH")

ggplot(data = PCIcommulative, aes(x = Year, y = `Million UAH`, group = 1))+
        geom_line(colour="darkgreen", size = 1)+
        geom_point(colour = "orange")+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Million UAH")+
        ggtitle("Fig.15. Investments in privatized enterprises by cumulative total (Billion UAH)")

Рис.16. Инвестиции в приватизированные предприятия по годам (млн.ном.дол.США)16.
ggplot(data = PrivatizedCompaniesInvestments, aes(x = Year, y = million.USD, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(aes(colour = million.USD, size = million.USD))+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Million USD")+
        ggtitle("Fig.16. Investments in privatized enterprises by year (million USD)")

Итого, в приватизированные предприятия Украины частный собственник за 20 лет (с 1995 по 2015 год) вложил 3,6 млрд.дол.США. Если разделить эту сумму на все объекты приватизированной недвижимости, (28 тыс), получится, что каждое предприятие получало чуть более 6 тыс.дол. в год (или 130 тысяч долларов по накопительному итогу за все 20 лет). Даже, предположив, что инвестиции получали только крупные предприятия и объекты «недостроя», что составит 11 тыс.объектов (исключив из общего числа объекты малой приватизации), все равно сумма получится незначительной – 16,7 тыс.дол. ежегодно (или 330 тыс.долларов по накопительному итогу за 20 лет). Очевидно, что подобную сумму вряд ли можно счесть такой, которая в состоянии привести к качественным изменениям, позволяющим предприятиям стать конкурентоспособными на международном рынке, и говорить, например, о модернизации морально-устаревшего станочного парка или замены изношенных основных фондов, к сожалению, не приходится.

Рабочие места.

В среднем только в 7% случаев, заключая договор о купле-продаже со специальными условиями, государство вводило в договор условие о сохранении рабочих мест и только в 5% случаев – условие о создании новых рабочих мест. (Рис.17). При этом не стоит забывать, что эта «опека» касалась только тех объектов, которые находились на контроле у государства (42% от всех приватизированных).

(Рис.17).Доля договоров о купле-продаже, содержащих условия о сохранении и увеличении рабочих, от общего количества договоров, находящихся на контроле Фонда госимущества (%).
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО

Кроме того, интересными представляются и абсолютные цифры, о которых идет речь. Так, в среднем с 2000 по 2005 года, ежегодно приватизированные предприятия брали на себя обязательства по созданию 3000 рабочих мест. В 2015 году на приватизированных предприятиях было создано 234 рабочих места, с 2015 по конец 2017 предприятия должны создать еще 568 рабочих места. (Рис.18). Даже для масштабов областного центра эти цифры просто смешны, а в масштабах страны их вполне можно назвать стремящимися к нулю. При том, что в 2015 году только на учете в центрах занятости как безработные стояло 400 тыс.чел.17:, создание 234 рабочих мест (0,05%) на вряд ли стоит принимать во внимание.

Рис. 18. Кол-во рабочих мест, созданное в рамках выполнения условий договоров купли-продажи государственного имущества по годам (ед.).
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО

ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ УКРАИНЫ, 25 лет пути.

Данные графиков 19-24 взяты из базы данных индикаторов Мирового Банка. Каждый график снабжен ссылкой на соответствующий файл, на момент последней редакции этой работы. Графики 25 и 26 построены на основе данных, публикуемых ЕБРР. На момент последней редакции данной работы, эти данные можно было загрузить по ссылке http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Кроме того, данный файл и авторская таблица доступны для скачивания на нашем сайте….

После 1991 года все страны бывшего СССР пережили глубокий экономический кризис, связанный с разрывом тесных экономических связей, большим количеством в экономике предприятий с незавершенным циклом производства, инфляцией, и т.д. Страны проводили экономические реформы, реструктуризировали промышленность, приватизировали ранее принадлежавшие государству предприятия.

Давайте рассмотрим несколько показателей экономического развития Украины, и для сравнения будем использовать аналогичные показатели и других стран, которые в 1990 году были в той же отправной точке, что и Украина, но выбрали разные пути развития – Беларусь, Россию (государственный капитализм) и Латвию, Литву (либеральная открытая экономика). После стремительного падения после распада СССР, ВВП Украины стабильно рос, «догнав» в 2005 году показатель 1992 года. Экономический кризис 2008 года отбросил его на несколько лет назад. Следующие 5 лет, ВВП показывал ежегодный прирост, пока очередной кризис, вызванный уже скорее политическими причинами, опять не уменьшил его в два раза, с 183 млрд. долларов до 90 млрд. (см.Рис. 19)18.

Рис.19. ВВП Украины 1992-2015 гг. (ном.дол.США).
gdp_data_ua <- wb(country = c("UA"), indicator = "NY.GDP.MKTP.CD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

for(i in 1:24){
       gdp_data_ua$value[i] <- gdp_data_ua$value[i]/1000000000 
}

colnames(gdp_data_ua) <- c("GDP Billions USD", "Year", "Country")

gdp_data_ua
##    GDP Billions USD Year Country
## 1          90.61502 2015 Ukraine
## 2         133.50341 2014 Ukraine
## 3         183.31015 2013 Ukraine
## 4         175.78138 2012 Ukraine
## 5         163.15967 2011 Ukraine
## 6         136.01316 2010 Ukraine
## 7         117.22777 2009 Ukraine
## 8         179.99241 2008 Ukraine
## 9         142.71901 2007 Ukraine
## 10        107.75307 2006 Ukraine
## 11         86.14202 2005 Ukraine
## 12         64.88306 2004 Ukraine
## 13         50.13295 2003 Ukraine
## 14         42.39290 2002 Ukraine
## 15         38.00934 2001 Ukraine
## 16         31.26172 2000 Ukraine
## 17         31.58096 1999 Ukraine
## 18         41.88324 1998 Ukraine
## 19         50.15040 1997 Ukraine
## 20         44.55808 1996 Ukraine
## 21         48.21475 1995 Ukraine
## 22         52.54339 1994 Ukraine
## 23         65.60752 1993 Ukraine
## 24         71.89643 1992 Ukraine
ggplot(data = gdp_data_ua, aes(x = Year, y = `GDP Billions USD`, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(colour = "black", size = 2)+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Billions USD")+
        ggtitle("Fig.19. GDP of Ukraine 1992-2015. (Nom. US dollars).")

Если посмотреть на этот показатель в сравнении с выбранными нами бывшими «братскими республиками», то в 1990 году Украина находилась на третьем месте (6763 дол.США), уступая Литве и России (8695 и 8013 дол.США соответственно). Но к 2015 году Украина опустилась в этом рейтинге на последнее место (7940 дол.США), отставая уже более чем в два раза (!) от Беларуси, поднявшейся на четвертое место (17697 дол.США) и почти в 4 раза – от лидера – Литвы (27680 дол.США). (Рис.20). Прирост ВВП Украины за 25 лет составил всего 14%, в то время как другие выбранные для сравнения страны бывшего СССР в среднем показали 70% прироста ВВП за тот же период (см. Рис.20а).

Рис.20. ВВП по некоторым странам. 1992-2015 гг. (доллары США)19
gdp_data <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NY.GDP.MKTP.CD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)  

for(i in 1:118){
       gdp_data$value[i] <- gdp_data$value[i]/1000000000 
}

temp <- grep("1992|1995|2000|2010|2015", gdp_data$date)
gdp_selectedY <- data.frame()

for(i in temp){
        gdp_selectedY <- rbind(gdp_selectedY, gdp_data[i,])
}

colnames(gdp_selectedY) <- c("GDP Billions USD", "Year", "Country")

gdp_selectedY
##     GDP Billions USD Year            Country
## 1          54.608963 2015            Belarus
## 6          55.220933 2010            Belarus
## 16         12.736856 2000            Belarus
## 21         13.972638 1995            Belarus
## 24         17.022180 1992            Belarus
## 27         41.170729 2015          Lithuania
## 32         37.132564 2010          Lithuania
## 42         11.539211 2000          Lithuania
## 47          7.870782 1995          Lithuania
## 53         27.002832 2015             Latvia
## 58         23.765078 2010             Latvia
## 68          7.937759 2000             Latvia
## 73          5.788369 1995             Latvia
## 79       1331.207746 2015 Russian Federation
## 84       1524.916112 2010 Russian Federation
## 94        259.708496 2000 Russian Federation
## 99        395.531067 1995 Russian Federation
## 102       460.290557 1992 Russian Federation
## 105        90.615023 2015            Ukraine
## 110       136.013156 2010            Ukraine
## 120        31.261718 2000            Ukraine
## 125        48.214752 1995            Ukraine
## 128        71.896429 1992            Ukraine
ggplot(data = gdp_selectedY, aes(x = Country, y = `GDP Billions USD`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("Billions USD")+
        ggtitle("Fig.20. GDP  some countries. 1992-2015")+
        
        coord_flip()+
        
        facet_grid(Year~.)

Рис.20a. Прирост ВВП 2015 г по сравнению с 1992 г (%)
GDPgrowth <- data.frame()
countries <- c("Belarus", "Lithuania", "Latvia", "Russian Federation", "Ukraine")

for(i in countries){
        temp <- gdp_data %>% filter(country == i)
        c <- nrow(temp)
        temp2 <- data.frame(temp[1,3], ((temp[c,1]/temp[1,1])-1)*(-100))
        GDPgrowth <- rbind(GDPgrowth, temp2)
}

colnames(GDPgrowth) <- c("Country", "% of GDP growth")

GDPgrowth
##              Country % of GDP growth
## 1            Belarus        68.19277
## 2          Lithuania        80.88258
## 3             Latvia        78.56385
## 4 Russian Federation        61.17704
## 5            Ukraine        20.65728
ggplot(data = GDPgrowth, aes(x = Country, y = `% of GDP growth`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("% of growth")+
        ggtitle("Fig.20a. GDP growth in 2015 compared with 1990 (%)")

За годы независимости друг от друга, не только абсолютная величина ВВП в этих странах значительно изменилась. Так же некоторые изменения претерпела и структура ВВП. Доля промышленности в ВВП сильно сократилась во всех анализируемых странах. Украина, некогда наиболее промышленая страна СССР претерпела самый большой процесс деиндустриализации. Доля промышленности в ВВП сократилась с 51% в 1992 году, до 26% в 2015 г. Самое меньшее скращение доли промышленности в ВВП претерпела Белорусия, упав всего на 8%, с 47,7% до 39,9%.

Доля сельского хозяйства значительно уменьшилась во всех странах без исключения, и, соответственно, доля сферы услуг выросла почти в 2 раза (см.Рис.21-23)

Рис.21. Доля промышленности в ВВП страны (%)20.
industry_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.IND.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", industry_gdp$date)
industry_gdp_selectedY <- data.frame()

for(i in temp){
        industry_gdp_selectedY <- rbind(industry_gdp_selectedY, industry_gdp[i,])
}

colnames(industry_gdp_selectedY) <- c("Industry (% of GDP)", "Year", "Country")

industry_gdp_selectedY
##     Industry (% of GDP) Year            Country
## 1              39.97420 2015            Belarus
## 6              42.20506 2010            Belarus
## 16             39.17020 2000            Belarus
## 21             36.96839 1995            Belarus
## 24             47.77980 1992            Belarus
## 27             30.18047 2015          Lithuania
## 32             29.06580 2010          Lithuania
## 42             29.59527 2000          Lithuania
## 47             31.51827 1995          Lithuania
## 53             23.11596 2015             Latvia
## 58             23.85878 2010             Latvia
## 68             26.53727 2000             Latvia
## 73             30.26274 1995             Latvia
## 79             32.60456 2015 Russian Federation
## 84             34.69617 2010 Russian Federation
## 94             37.94561 2000 Russian Federation
## 99             36.95603 1995 Russian Federation
## 102            43.00748 1992 Russian Federation
## 105            26.30227 2015            Ukraine
## 110            29.28666 2010            Ukraine
## 120            36.31656 2000            Ukraine
## 125            42.68424 1995            Ukraine
## 128            50.91000 1992            Ukraine
ggplot(data = industry_gdp_selectedY, aes(x = Country, y = `Industry (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.21. Industry, value added (% of GDP)")+
        coord_flip()+
        facet_grid(Year~.)

Рис.22. Доля сельского хозяйства в ВВП страны (%)21.
agro_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.AGR.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", agro_gdp$date)
agro_gdp_selectedY <- data.frame()

for(i in temp){
        agro_gdp_selectedY <- rbind(agro_gdp_selectedY, agro_gdp[i,])
}

colnames(agro_gdp_selectedY) <- c("Agriculture (% of GDP)", "Year", "Country")

agro_gdp_selectedY
##     Agriculture (% of GDP) Year            Country
## 1                 7.795778 2015            Belarus
## 6                10.569386 2010            Belarus
## 16               14.153227 2000            Belarus
## 21               17.460441 1995            Belarus
## 24               23.572321 1992            Belarus
## 27                3.250462 2015          Lithuania
## 32                3.325049 2010          Lithuania
## 42                6.277472 2000          Lithuania
## 47               11.054790 1995          Lithuania
## 53                3.161636 2015             Latvia
## 58                4.405188 2010             Latvia
## 68                5.118209 2000             Latvia
## 73                8.895919 1995             Latvia
## 79                4.630079 2015 Russian Federation
## 84                3.867401 2010 Russian Federation
## 94                6.434522 2000 Russian Federation
## 99                7.160512 1995 Russian Federation
## 102               7.393539 1992 Russian Federation
## 105              14.036335 2015            Ukraine
## 110               8.421934 2010            Ukraine
## 120              17.082808 2000            Ukraine
## 125              15.400757 1995            Ukraine
## 128              20.356473 1992            Ukraine
ggplot(data = agro_gdp_selectedY, aes(x = Country, y = `Agriculture (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.22. Agriculture, value added (% of GDP)")+
        coord_flip()+
        facet_grid(Year~.)

Рис.23. Доля сферы услуг в ВВП страны (%)22.
service_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.SRV.TETC.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", service_gdp$date)
service_gdp_selectedY <- data.frame()

for(i in temp){
        service_gdp_selectedY <- rbind(service_gdp_selectedY, service_gdp[i,])
}

colnames(service_gdp_selectedY) <- c("Services (% of GDP)", "Year", "Country")

service_gdp_selectedY
##     Services (% of GDP) Year            Country
## 1              52.23002 2015            Belarus
## 6              47.22556 2010            Belarus
## 16             46.67657 2000            Belarus
## 21             45.57117 1995            Belarus
## 24             28.64788 1992            Belarus
## 27             66.56907 2015          Lithuania
## 32             67.60916 2010          Lithuania
## 42             64.12726 2000          Lithuania
## 47             57.42694 1995          Lithuania
## 53             73.72241 2015             Latvia
## 58             71.73603 2010             Latvia
## 68             68.34452 2000             Latvia
## 73             60.84134 1995             Latvia
## 79             62.76536 2015 Russian Federation
## 84             61.43643 2010 Russian Federation
## 94             55.61987 2000 Russian Federation
## 99             55.88345 1995 Russian Federation
## 102            49.59898 1992 Russian Federation
## 105            59.66140 2015            Ukraine
## 110            62.29140 2010            Ukraine
## 120            46.60063 2000            Ukraine
## 125            41.91500 1995            Ukraine
## 128            28.73353 1992            Ukraine
ggplot(data = service_gdp_selectedY, aes(x = Country, y = `Services (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.23. Services, etc., value added (% of GDP)")+
        coord_flip()+
        facet_grid(Year~.)

Внешний долг как % ВВП страны вырос во всех анализируемых странах. Наибольшей величины он достиг в Латвии (почти 135% от ВВП), на втором месте Украина (81%), не на много отстала от Украины и Литва (72,6%), Беларусь и особенно Россия выглядят на их фоне как страны, не живущие «в долг» - (56 и 31% соответственно). Внешний долг как % ВВВ возрос за последние 10 лет возрос для всех стран, кроме России. Так, для Беларсуи – почти в 3 раза, для Латвии, Литвы и Украины – в 2 раза, а вот для России этот показатель уменьшился на 10%. (Рис.24)23.

Рис.24. Внешний долг как % к ВВП
external_debt <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "GC.DOD.TOTL.GD.ZS", startdate = 1990, enddate = 2015) %>% select(value, date, country)

colnames(external_debt) <- c("Government debt (% of GDP)", "Year", "Country")

#Данные внешнего государственного долга по странам и периодам
#external_debt$Year <- as.factor(external_debt$Year)
external_debt
##     Government debt (% of GDP) Year            Country
## 1                    38.869017 2015            Belarus
## 2                    25.422592 2014            Belarus
## 3                    24.629697 2013            Belarus
## 4                    25.224401 2012            Belarus
## 5                    40.754852 2011            Belarus
## 6                    19.593715 2010            Belarus
## 7                    19.185184 2009            Belarus
## 8                    10.656634 2008            Belarus
## 9                     8.909261 2007            Belarus
## 10                    6.644402 2006            Belarus
## 11                    6.570221 2005            Belarus
## 14                   12.336686 2002            Belarus
## 15                   11.440617 2001            Belarus
## 16                   15.014452 2000            Belarus
## 17                   15.103119 1999            Belarus
## 18                   20.180540 1998            Belarus
## 19                   12.171466 1997            Belarus
## 20                   11.520117 1996            Belarus
## 21                   16.880116 1995            Belarus
## 22                   75.954859 1994            Belarus
## 23                    5.186132 1993            Belarus
## 24                   25.635479 1992            Belarus
## 29                   43.760500 2013          Lithuania
## 30                   46.999841 2012          Lithuania
## 31                   40.753198 2011          Lithuania
## 32                   40.638146 2010          Lithuania
## 43                   21.378253 1999          Lithuania
## 44                   14.884720 1998          Lithuania
## 45                   14.519860 1997          Lithuania
## 55                   59.447688 2013             Latvia
## 56                   62.897237 2012             Latvia
## 57                   66.049486 2011             Latvia
## 58                   75.133968 2010             Latvia
## 79                   13.923403 2015 Russian Federation
## 80                   11.356362 2014 Russian Federation
## 81                    9.318649 2013 Russian Federation
## 82                    8.701738 2012 Russian Federation
## 83                    8.701279 2011 Russian Federation
## 84                    9.098114 2010 Russian Federation
## 85                    8.697870 2009 Russian Federation
## 86                    6.495295 2008 Russian Federation
## 87                    7.158433 2007 Russian Federation
## 88                    9.891073 2006 Russian Federation
## 89                   16.660868 2005 Russian Federation
## 92                   41.395860 2002 Russian Federation
## 93                   48.983519 2001 Russian Federation
## 94                   62.149283 2000 Russian Federation
## 95                  100.744837 1999 Russian Federation
## 96                  143.950259 1998 Russian Federation
## 106                  63.665319 2014            Ukraine
## 107                  37.028716 2013            Ukraine
## 108                  33.703100 2012            Ukraine
## 109                  27.482759 2011            Ukraine
## 110                  29.969556 2010            Ukraine
## 111                  24.875124 2009            Ukraine
## 112                  13.826704 2008            Ukraine
## 120                  45.287470 2000            Ukraine
## 121                  60.976448 1999            Ukraine
ggplot(data = external_debt, aes(x = Year, y = `Government debt (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.24. Central government debt, total (% of GDP)")+
        facet_grid(Country~., scales = "free")

При этом, логично ожидать, что одним из эффектов экономических реформ, в частности – приватизации, должно было стать быстрое и эффективное развитие частного сектора. Но, к сожалению, по крайней мере, для Украины это не оправдалось. Так, по данным ЕБРР, доля частного сектора в ВВП Украины в 2010 году по сравнению с 2004 уменьшилась на 5 % и составила 60%, вместо 65% в предыдущем периоде (рис.25)24. То есть, другими словами, государственные компании, даже потеряв в количестве, приобрели в эффективности работы, а вот предприятия, перешедшие из рук государства к частному собственнику, не то что не добавили частному сектору эффективности, а наоборот – потянули его на дно. Возможно, просто из-за того, что большинство их перестало существовать как промышленные предприятия, были ликвидированы и разпилины на металалом?

Рис.25. Доля частных компаний в ВВП Украины (%)
GDPprivat
##   Year % of GDP by private companies
## 1 2004                            65
## 2 2005                            65
## 3 2006                            65
## 4 2007                            65
## 5 2008                            65
## 6 2009                            60
## 7 2010                            60
GDPprivat$`% of GDP by private companies` <- as.numeric(as.character(GDPprivat$`% of GDP by private companies`))
class(GDPprivat$`% of GDP by private companies`)
## [1] "numeric"
ggplot(data = GDPprivat, aes(x = Year, y = `% of GDP by private companies`, group = 1))+
        geom_line(colour="darkblue", size = 1)+
        geom_point(colour = "darkgreen", size = 2)+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.25. Private sector share in GDP (in per cent)")

При этом, отдельно стоит отметить, что в 2010 году количество государственных предприятий составляло всего 2,3% от общего числа предприятий Украины. То есть, другими словами, 2,3% предприятий (государственные) генерировали 40% ВВП страны, а 97% предприятий (частные) – 60% ВВП Украины . Для наглядности отобразим это на диаграмме (рис 26).

Рис.26. Доли частных и государственных предприятий в общем количестве предприятий и в ВВП Украины
d1 <- filter(OwnershipData, year == 2010)
d1$number.of.enterprices <- as.factor(d1$number.of.enterprices)
d2 <- filter(GDPprivat, Year == "2010")
temp <- data.frame(2010, 40)
names(temp) <- names(d2)
d2 <- rbind(temp, d2)
d2$enterprise.ownership <- c("state", "private") 

p1 <- ggplot(data = d1, aes(x = enterprise.ownership, y = number.of.enterprices, fill = enterprise.ownership))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Enterprise ownership")+
        ylab("Number of Enterprises")+
        ggtitle("The share of private and public enterprises in the total number of enterprises(2010)")

p2 <- ggplot(data = d2, aes(x = enterprise.ownership, y = `% of GDP by private companies`, fill = enterprise.ownership))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Enterprise ownership")+
        ylab("%")+
        ggtitle("Share of private and public sector in GDP (2010)")       

grid.arrange(p1, p2, ncol = 2)

СТРУКТУРНЫЕ ИЗМЕНЕНИЯ В ТРУДОВЫХ РЕСУРСАХ УКРАИНЫ

Источником данных за последние годы для графиков 27 и 28 стали официальные данные госкомстата Украины, которые публикуются в разделе статистическая информация/ демографические и социальные показатели/ рынок труда, (http://www.ukrstat.gov.ua/), при этом данные о более ранних годах (1990-2000гг) авторам пришлось брать уже из учебников, содержащих соответствующие разделы (например, Аграрна економіка і ринок. Іванух Р. А., Дусановський С. Л., Білан Є. М. - Тернопіль: “Збруч”, 2003. - 305 с.м http://buklib.net/books/31118/). Для удобства читателя, авторские таблицы, составленные по этим данным, можно загрузить на нашем сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour.xlsx.* Данные графиков 29-31 и 37а-в были взяты из ежегодного отчета Государственного комитета статистики Украины «Праця Украины 2015, который на момент последней редакции статьи можно было загрузить на сайте Комитета Статистики в разделе Публикации / рынок труда/ Праця України 2015/ (Разделы 6 и 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm . Этот отчет содержит большое количество статистических данных о занятости населения Украины в разрезе территориальных, юридических и экономических аспектов.* Данные для построения графиков 32-35 взяты из глобальной международной базы данных World Bank На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://datatopics.worldbank.org/jobs/* Графики 36-37 были построены на основе данных глобальной статистической базы NationMaster http://www.nationmaster.com/. Там можно отследить указанные показатели по многим странам.*

К сожалению, за последние 25 лет классификация занятости населения по отраслям экономики менялась не однократно. В разные периоды, например, «образование», относили к «науке», выделяли в отдельную строку отчетов, присоединяли к «культуре и спорту», объединяли с «социальными работниками». «Культуру и спорт» так же в разные периоды либо выделяли отдельно, либо объединяли с индустрией досуга. Досуг относился и к «другим услугам», и к «администрированию». «Социальных работников» в одни периоды объединяли с работниками образования, в другие периоды - с работниками здравоохранения, или так же относили к категории «другое». Из категории «транспорт и связь» выделили отдельно «телекоммуникацию», присовокупив к ней, однако, информацию. Учитывая такие структурные изменения в самих формах статистической отчетности детальный ретроспективный анализ вплоть до 1990 года не возможен ввиду отсутствия данных, пригодных для сравнения. Последние изменения в структуре отчетности были проведены в 2011 году, но последние 5 лет не отражают всех тенденций структурных изменений в занятости населения Украины. Единственные группы классификации занятости населения по отраслям экономики, которые не претерпевали «объединений» и «разделений», и потому остались доступными для ретроспективного анализа - это сельское хозяйство и промышленность. По этому, авторы предлагают воспользоваться международной практикой, характерной для большинства глобальных баз данных. В них, для простоты, в 2 отдельные группы выделяют, собственно, имеющиеся и у нас «промышленность» и «сельское хозяйство», а к третьей группе - «услуги» - относят все остальное. И так, за весь период независимости количество населения Украины, занятое в экономической деятельности, сократилось более чем на на 17 млн.кадров (с 25,4 в 1990 году до 8,3 млн. в 2015 году). (см.табл.2). При том, что в общем численность населения Украины по данным официальной статистики25 сократилась на 9 млн.чел. (с 51,8 в 1990 году до 42,9 млн. в 2015году). А численность населения трудоспособного возраста – всего на 4 млн. человек (30,3 млн. в 1990 году до 26,6 млн. в 2015 году.)26. При этом за 25 лет более 5 млн. специалистов (это почти 70% по сравнению с 1990 годом) потеряла промышленность Украины и 4,36 млн. специалистов (87% по сравнению с 1990 годом) потеряло сельское хозяйство (см.Таблицу 2)27. Вообще, изъятие более 17 млн. кадров из разных областей - невосполнимая потеря для экономики Украины. И если потерю 4 млн. кадрового потенциала объясняют естественные причины (выход на пенсию), то 13 млн.человек - это граждане, которые перешли в нерегламентированную и нелегальную занятость, из грамотных инженеров, технологов, производственников, переквалифицировавшись в неумелых менеджеров по продажам «всего, чего изволите», выехали на заработки за границу, или пополнили ряды безработных (Рис.27)28.

Рис. 27. Сравнение численности населения Украины, занятого в экономической деятельности с численностью населения трудоспособного возраста 1990-2015 гг.
Employed_in_economic$year <- as.factor(Employed_in_economic$year)
Employed_in_economic
##   year                        category number
## 1 1990 Employed in economic activities   24.5
## 2 2015 Employed in economic activities    8.3
## 3 1990   Population of able-bodied age   30.3
## 4 2015   Population of able-bodied age   26.6
ggplot(data = Employed_in_economic, aes(x = year, y = number, fill = category))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Million people")+
        ggtitle("The population engaged in economic activity and the working-age pop. in total") 

tmp_category <- c("Industry", "Agriculture", "Services")
labour_lost_perc <- data.frame()
labour_lost <- data.frame()

# Создание таблицы потерь рабочих мест по отрослям в процентых показателях 
for(i in tmp_category) {
temp <- Labour %>% filter(Catergory== i) %>% summarise(Catergory= i, `% of lost` = (Million.People[4]/Million.People[1]-1)*(-100))
labour_lost_perc <- rbind(labour_lost_perc, temp)
}

# Создание таблицы потерь рабочих мест по отрослям в количественных показателях 
for(i in tmp_category) {
temp <- Labour %>% filter(Catergory== i) %>% summarise(Catergory= i, `Millions peple of lost` = Million.People[1]-Million.People[4])
labour_lost <- rbind(labour_lost, temp)
}

# Количество людей задействованных в той или иной экономической активности в 1990 и в 2015 
Labour
##      Catergory Year Million.People
## 1     Industry 1990           7.80
## 2     Industry 2000           4.10
## 3     Industry 2011           3.20
## 4     Industry 2015           2.42
## 5  Agriculture 1990           5.00
## 6  Agriculture 2000           4.90
## 7  Agriculture 2011           0.74
## 8  Agriculture 2015           0.64
## 9     Services 1990          12.60
## 10    Services 2000          12.30
## 11    Services 2011           6.22
## 12    Services 2015           5.27
# Процент потерь рабочих мест с 1990 до 2015 года в Промышленности, Сельском хозяйстве и Сервисе 
labour_lost_perc
##     Catergory % of lost
## 1    Industry  68.97436
## 2 Agriculture  87.20000
## 3    Services  58.17460
# Количество потерь рабочих мест в тех-же отраслях украинской экономике с 1990 по 2015 года
labour_lost
##     Catergory Millions peple of lost
## 1    Industry                   5.38
## 2 Agriculture                   4.36
## 3    Services                   7.33
Рис. 28. Занятость населения Украины по отраслям экономики 1990-2015 гг (млн.чел.)
ggplot(data = Labour, aes(x = Year, y = Million.People))+
        geom_line(aes(colour = Catergory))+
        geom_point()+
        xlab("Year")+
        ylab("Million People")+
        ggtitle("Fig.28. Employment of the population of Ukraine by economic sectors 1990-2015")

При этом доля государственного и коммунального секторов по количеству занятых в них довольно велика – 44% всех работающих (20,7% приходятся на государственный сектор, 23,2% - на коммунальный). Остальные 56% трудятся в частном секторе, а так же в структурах с корпоративным управлением (акционерных обществах), которые могут включать в себя как государственных так и частных собственников. (более детально см.рис.29)29.

# Подготовка данных для Рис.29
Labour_force_total <- data.frame(colnames(Labour_force)[-1]) 

for (i in 2:12){
        Labour_force_total[i-1,2] <- Labour_force[1,i]
}
colnames(Labour_force_total) <- c("Organizational forms of employment in Ukraine", "% Of employees")
# Структура занятости населения Украины в разрезе организационных форм в 2015 г (%)
Labour_force_total
##    Organizational forms of employment in Ukraine % Of employees
## 1                       State.owned.enterprises.            3.3
## 2                            Public.enterprises.            3.9
## 3                          Joint.Stock.Companies           13.1
## 4                                            LTD           23.2
## 5                                       Branches           12.0
## 6                              Private.companies            3.3
## 7                   State.government.authorities            7.7
## 8                   Local.government.authorities            5.6
## 9              state.organization..institution..            9.7
## 10  public..communal..organization..institution.           13.7
## 11                                   Other.forms            4.5
Рис.29. Структура занятости населения Украины в разрезе организационных форм в 2015 г (%).
#Salaries 
ggplot(data = Labour_force_total, aes(x = `Organizational forms of employment in Ukraine`, y = `% Of employees`))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_flip()+
        xlab("Organizational forms of employment in Ukraine")+
        ylab("% Of employees")+
        ggtitle("Fig.29. Structure of employment in the context of 
organizational forms in 2015") 

В промышленности Украины на государственный и коммунальный сектора приходилось почти 12% работающих в Украине (5,4% и 6,4% соответственно), а 88% - на частный сектор и структуры с корпоративным управлением (акционерные общества), которые могут включать в себя как государственных так и частных собственников. (более детально см.Рис.30. )

# Подготовка данных для Рис.30
Labour_force_industry <- data.frame(colnames(Labour_force)[-1]) 

for (i in 2:12){
        Labour_force_industry[i-1,2] <- Labour_force[3,i]
}
colnames(Labour_force_industry) <- c("Organizational forms of employment in the Industry", "% Of employees")
Labour_force_industry <- Labour_force_industry[-c(7:10),]
# Структура занятости населения в украинской промышленности в разрезе организационных форм в 2015 г (%)
Labour_force_industry
##    Organizational forms of employment in the Industry % Of employees
## 1                            State.owned.enterprises.            5.4
## 2                                 Public.enterprises.            6.4
## 3                               Joint.Stock.Companies           38.0
## 4                                                 LTD           27.2
## 5                                            Branches           15.2
## 6                                   Private.companies            2.8
## 11                                        Other.forms            4.9
Рис.30. Структура занятости в промышленности Украины в разрезе организационных форм в 2015г (%).
ggplot(data = Labour_force_industry, aes(x = `Organizational forms of employment in the Industry`, y = `% Of employees`))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_flip()+
        xlab("Organizational forms of employment")+
        ylab("% Of employees")+
        ggtitle("Fig.30. Structure of employment in the Ukrainian industry in the 
context of organizational forms in 2015") 

В сельском хозяйстве на долю государственного и коммунального секторов приходилось почти 15% занятых (13,7% и 1,1% соответственно) и чуть более 85% на частный сектор, а так же структуры с корпоративным управлением (более детально см.рис.31)

# Подготовка данных для Рис.31
Labour_force_agriculture <- data.frame(colnames(Labour_force)[-1]) 

for (i in 2:12){
        Labour_force_agriculture[i-1,2] <- Labour_force[2,i]
}
colnames(Labour_force_agriculture) <- c("Organizational forms of employment in the Agriculture", "% Of employees")
Labour_force_agriculture <- filter(Labour_force_agriculture, `% Of employees` > 0)
# Структура занятости населения в украинской агропромышленности в разрезе организационных форм в 2015 г (%)
Labour_force_agriculture
##   Organizational forms of employment in the Agriculture % Of employees
## 1                              State.owned.enterprises.           12.6
## 2                                   Public.enterprises.            1.1
## 3                                 Joint.Stock.Companies            5.4
## 4                                                   LTD           48.5
## 5                                              Branches            4.9
## 6                                     Private.companies           12.3
## 7                     state.organization..institution..            1.1
## 8                                           Other.forms           14.1
Рис.31. Структура занятости в сельском хозяйстве Украины в разрезе организационных форм в 2015 (%).
ggplot(data = Labour_force_agriculture, aes(x = `Organizational forms of employment in the Agriculture`, y = `% Of employees`))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_flip()+
        xlab("Organizational forms of employment")+
        ylab("% Of employees")+
        ggtitle("Fig.31. Structure of employment in the Agriculture industry in the 
context of organizational forms in 2015") 

Если сравнить Украину с другими выбранными странами бывшего СССР, то тенденции в изменении отраслевой структуры занятости сходны. Наблюдается уменьшение доли сельского хозяйства (на 3-5%), уменьшение доли промышленности (на 1-3%), и соответственно, увеличение доли сферы услуг. (Рис.32-34)

Рис.32. Доля промышленности в общем количестве рабочих мест страны (%)30.
industry_share_labor <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.IND.EMPL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(industry_share_labor) <- c("Employment in industry (% of total employment)", "Year", "Country")

# Данные по проценту занятых в промышленности в некоторых странах бывшего СССР с 1990 г. по 2014 г.
industry_share_labor
##     Employment in industry (% of total employment) Year            Country
## 3                                             33.2 2013            Belarus
## 4                                             33.3 2012            Belarus
## 5                                             34.1 2011            Belarus
## 6                                             34.1 2010            Belarus
## 7                                             33.7 2009            Belarus
## 22                                            34.9 1994            Belarus
## 23                                            36.2 1993            Belarus
## 24                                            36.9 1992            Belarus
## 25                                            37.3 1991            Belarus
## 26                                            38.5 1990            Belarus
## 28                                            24.8 2014          Lithuania
## 29                                            25.6 2013          Lithuania
## 30                                            25.3 2012          Lithuania
## 31                                            24.6 2011          Lithuania
## 32                                            24.5 2010          Lithuania
## 33                                            26.9 2009          Lithuania
## 34                                            30.6 2008          Lithuania
## 35                                            30.5 2007          Lithuania
## 36                                            29.6 2006          Lithuania
## 37                                            29.1 2005          Lithuania
## 38                                            28.1 2004          Lithuania
## 39                                            27.3 2003          Lithuania
## 40                                            27.5 2002          Lithuania
## 41                                            26.8 2001          Lithuania
## 42                                            27.0 2000          Lithuania
## 43                                            27.2 1999          Lithuania
## 44                                            29.1 1998          Lithuania
## 45                                            28.5 1997          Lithuania
## 54                                            24.1 2014             Latvia
## 55                                            24.2 2013             Latvia
## 56                                            23.6 2012             Latvia
## 57                                            23.0 2011             Latvia
## 58                                            23.4 2010             Latvia
## 59                                            24.5 2009             Latvia
## 60                                            29.6 2008             Latvia
## 61                                            29.1 2007             Latvia
## 62                                            27.9 2006             Latvia
## 63                                            26.7 2005             Latvia
## 64                                            27.3 2004             Latvia
## 65                                            26.9 2003             Latvia
## 66                                            25.6 2002             Latvia
## 67                                            26.4 2001             Latvia
## 68                                            26.8 2000             Latvia
## 69                                            26.0 1999             Latvia
## 70                                            27.1 1998             Latvia
## 71                                            25.8 1997             Latvia
## 72                                            27.2 1996             Latvia
## 80                                            27.5 2014 Russian Federation
## 81                                            27.7 2013 Russian Federation
## 82                                            27.8 2012 Russian Federation
## 83                                            27.5 2011 Russian Federation
## 84                                            27.7 2010 Russian Federation
## 85                                            27.5 2009 Russian Federation
## 86                                            28.9 2008 Russian Federation
## 87                                            29.2 2007 Russian Federation
## 88                                            29.3 2006 Russian Federation
## 89                                            29.8 2005 Russian Federation
## 90                                            29.7 2004 Russian Federation
## 91                                            30.4 2003 Russian Federation
## 92                                            29.5 2002 Russian Federation
## 93                                            29.4 2001 Russian Federation
## 94                                            28.4 2000 Russian Federation
## 95                                            28.2 1999 Russian Federation
## 96                                            29.1 1998 Russian Federation
## 97                                            30.0 1997 Russian Federation
## 98                                            32.5 1996 Russian Federation
## 99                                            34.0 1995 Russian Federation
## 100                                           35.9 1994 Russian Federation
## 101                                           38.0 1993 Russian Federation
## 102                                           38.8 1992 Russian Federation
## 103                                           39.8 1991 Russian Federation
## 104                                           40.2 1990 Russian Federation
## 106                                           26.1 2014            Ukraine
## 107                                           24.8 2013            Ukraine
## 108                                           25.8 2012            Ukraine
## 109                                           25.7 2011            Ukraine
## 111                                           25.7 2009            Ukraine
## 112                                           23.4 2008            Ukraine
## 113                                           23.9 2007            Ukraine
## 114                                           24.2 2006            Ukraine
## 115                                           24.2 2005            Ukraine
## 116                                           24.6 2004            Ukraine
## 117                                           24.6 2003            Ukraine
## 118                                           25.2 2002            Ukraine
## 119                                           26.3 2001            Ukraine
## 120                                           20.8 2000            Ukraine
## 121                                           22.6 1999            Ukraine
## 122                                           23.8 1998            Ukraine
## 123                                           24.6 1997            Ukraine
## 124                                           26.4 1996            Ukraine
## 125                                           28.0 1995            Ukraine
## 126                                           31.7 1994            Ukraine
## 127                                           30.5 1993            Ukraine
## 128                                            8.0 1992            Ukraine
## 129                                            9.1 1991            Ukraine
## 130                                            9.5 1990            Ukraine
ggplot(data = industry_share_labor, aes(x = Year, y = `Employment in industry (% of total employment)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of total employment")+
        ggtitle("Fig.32. Employment in industry (% of total employment)")+
        facet_grid(Country~., scales = "free")

Рис.33. Доля сельского хозяйства в общем количестве рабочих мест страны (%)31.
agriculture_share_labor <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.AGR.EMPL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(agriculture_share_labor) <- c("Employment in agriculture (%)", "Year", "Country")

# Данные по проценту занятых в сельском хозяйстве в некоторых странах бывшего СССР с 1990 г. по 2014 г.
agriculture_share_labor
##     Employment in agriculture (%) Year            Country
## 3                             9.6 2013            Belarus
## 4                            10.1 2012            Belarus
## 5                            10.4 2011            Belarus
## 6                            10.5 2010            Belarus
## 7                            10.5 2009            Belarus
## 22                           21.2 1994            Belarus
## 23                           21.7 1993            Belarus
## 24                           22.3 1992            Belarus
## 25                           21.1 1991            Belarus
## 26                           21.6 1990            Belarus
## 28                            9.0 2014          Lithuania
## 29                            8.4 2013          Lithuania
## 30                            8.8 2012          Lithuania
## 31                            8.3 2011          Lithuania
## 32                            8.7 2010          Lithuania
## 33                            8.9 2009          Lithuania
## 34                            7.9 2008          Lithuania
## 35                           11.1 2007          Lithuania
## 36                           13.7 2006          Lithuania
## 37                           14.2 2005          Lithuania
## 38                           16.1 2004          Lithuania
## 39                           18.3 2003          Lithuania
## 40                           18.2 2002          Lithuania
## 41                           17.0 2001          Lithuania
## 42                           18.1 2000          Lithuania
## 43                           19.3 1999          Lithuania
## 44                           19.6 1998          Lithuania
## 45                           20.7 1997          Lithuania
## 54                            7.3 2014             Latvia
## 55                            7.8 2013             Latvia
## 56                            8.1 2012             Latvia
## 57                            8.7 2011             Latvia
## 58                            8.3 2010             Latvia
## 59                            8.5 2009             Latvia
## 60                            7.7 2008             Latvia
## 61                            9.7 2007             Latvia
## 62                           10.9 2006             Latvia
## 63                           11.6 2005             Latvia
## 64                           12.8 2004             Latvia
## 65                           13.8 2003             Latvia
## 66                           15.8 2002             Latvia
## 67                           14.6 2001             Latvia
## 68                           14.2 2000             Latvia
## 69                           16.7 1999             Latvia
## 70                           19.0 1998             Latvia
## 71                           21.5 1997             Latvia
## 72                           17.3 1996             Latvia
## 80                            6.7 2014 Russian Federation
## 81                            7.0 2013 Russian Federation
## 82                            7.3 2012 Russian Federation
## 83                            7.7 2011 Russian Federation
## 84                            7.9 2010 Russian Federation
## 85                            8.4 2009 Russian Federation
## 86                            8.6 2008 Russian Federation
## 87                            9.0 2007 Russian Federation
## 88                           10.0 2006 Russian Federation
## 89                           10.2 2005 Russian Federation
## 90                           10.2 2004 Russian Federation
## 91                           10.9 2003 Russian Federation
## 92                           11.3 2002 Russian Federation
## 93                           12.0 2001 Russian Federation
## 94                           14.5 2000 Russian Federation
## 95                           15.0 1999 Russian Federation
## 96                           11.7 1998 Russian Federation
## 97                           12.2 1997 Russian Federation
## 98                           15.3 1996 Russian Federation
## 99                           15.7 1995 Russian Federation
## 100                          16.1 1994 Russian Federation
## 101                          15.5 1993 Russian Federation
## 102                          15.4 1992 Russian Federation
## 103                          14.2 1991 Russian Federation
## 104                          13.9 1990 Russian Federation
## 106                          14.8 2014            Ukraine
## 107                          20.0 2013            Ukraine
## 108                          19.7 2012            Ukraine
## 109                          20.2 2011            Ukraine
## 111                          20.0 2009            Ukraine
## 112                          15.8 2008            Ukraine
## 113                          16.7 2007            Ukraine
## 114                          17.6 2006            Ukraine
## 115                          19.4 2005            Ukraine
## 116                          19.7 2004            Ukraine
## 117                          20.4 2003            Ukraine
## 118                          20.6 2002            Ukraine
## 119                          20.9 2001            Ukraine
## 120                          23.4 2000            Ukraine
## 121                          22.7 1999            Ukraine
## 122                          22.6 1998            Ukraine
## 123                          22.1 1997            Ukraine
## 124                          21.9 1996            Ukraine
## 125                          22.5 1995            Ukraine
## 126                          21.0 1994            Ukraine
## 127                          20.7 1993            Ukraine
## 128                          20.8 1992            Ukraine
## 129                          19.3 1991            Ukraine
## 130                          19.8 1990            Ukraine
ggplot(data = agriculture_share_labor, aes(x = Year, y = `Employment in agriculture (%)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of total employment")+
        ggtitle("Fig.33. Employment in agriculture (% of total employment)")+
        facet_grid(Country~., scales = "free")

Рис.34. Доля сферы услуг в общем количестве рабочих мест страны (%)32.
services_share_labor <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.SRV.EMPL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(services_share_labor) <- c("Employment in services (% of total employment)", "Year", "Country")

# Данные по проценту занятых в сфере услуг в некоторых странах бывшего СССР с 1990 г. по 2014 г.
services_share_labor
##     Employment in services (% of total employment) Year            Country
## 3                                             57.2 2013            Belarus
## 4                                             56.6 2012            Belarus
## 5                                             55.5 2011            Belarus
## 6                                             55.3 2010            Belarus
## 7                                             49.9 2009            Belarus
## 22                                            40.0 1994            Belarus
## 23                                            38.2 1993            Belarus
## 24                                            36.6 1992            Belarus
## 25                                            36.6 1991            Belarus
## 26                                            36.1 1990            Belarus
## 28                                            65.8 2014          Lithuania
## 29                                            65.6 2013          Lithuania
## 30                                            65.6 2012          Lithuania
## 31                                            66.7 2011          Lithuania
## 32                                            66.4 2010          Lithuania
## 33                                            63.9 2009          Lithuania
## 34                                            61.0 2008          Lithuania
## 35                                            57.8 2007          Lithuania
## 36                                            56.2 2006          Lithuania
## 37                                            56.1 2005          Lithuania
## 38                                            55.1 2004          Lithuania
## 39                                            54.1 2003          Lithuania
## 40                                            53.7 2002          Lithuania
## 41                                            55.8 2001          Lithuania
## 42                                            54.4 2000          Lithuania
## 43                                            53.1 1999          Lithuania
## 44                                            51.4 1998          Lithuania
## 45                                            50.8 1997          Lithuania
## 54                                            68.6 2014             Latvia
## 55                                            67.9 2013             Latvia
## 56                                            68.1 2012             Latvia
## 57                                            68.0 2011             Latvia
## 58                                            68.3 2010             Latvia
## 59                                            66.9 2009             Latvia
## 60                                            62.6 2008             Latvia
## 61                                            61.2 2007             Latvia
## 62                                            61.0 2006             Latvia
## 63                                            61.4 2005             Latvia
## 64                                            59.3 2004             Latvia
## 65                                            58.5 2003             Latvia
## 66                                            58.0 2002             Latvia
## 67                                            57.3 2001             Latvia
## 68                                            58.6 2000             Latvia
## 69                                            57.0 1999             Latvia
## 70                                            53.9 1998             Latvia
## 71                                            52.4 1997             Latvia
## 72                                            55.4 1996             Latvia
## 80                                            65.8 2014 Russian Federation
## 81                                            65.3 2013 Russian Federation
## 82                                            64.9 2012 Russian Federation
## 83                                            64.9 2011 Russian Federation
## 84                                            64.4 2010 Russian Federation
## 85                                            64.1 2009 Russian Federation
## 86                                            62.4 2008 Russian Federation
## 87                                            61.8 2007 Russian Federation
## 88                                            60.7 2006 Russian Federation
## 89                                            60.0 2005 Russian Federation
## 90                                            60.1 2004 Russian Federation
## 91                                            58.7 2003 Russian Federation
## 92                                            59.1 2002 Russian Federation
## 93                                            58.6 2001 Russian Federation
## 94                                            57.1 2000 Russian Federation
## 95                                            56.8 1999 Russian Federation
## 96                                            59.2 1998 Russian Federation
## 97                                            57.8 1997 Russian Federation
## 98                                            52.2 1996 Russian Federation
## 99                                            50.0 1995 Russian Federation
## 100                                           47.7 1994 Russian Federation
## 101                                           46.1 1993 Russian Federation
## 102                                           45.5 1992 Russian Federation
## 103                                           45.7 1991 Russian Federation
## 104                                           45.6 1990 Russian Federation
## 106                                           59.1 2014            Ukraine
## 107                                           55.2 2013            Ukraine
## 108                                           54.5 2012            Ukraine
## 109                                           54.2 2011            Ukraine
## 111                                           53.5 2009            Ukraine
## 112                                           60.7 2008            Ukraine
## 113                                           59.4 2007            Ukraine
## 114                                           58.2 2006            Ukraine
## 115                                           56.4 2005            Ukraine
## 116                                           55.7 2004            Ukraine
## 117                                           55.1 2003            Ukraine
## 118                                           54.2 2002            Ukraine
## 119                                           52.8 2001            Ukraine
## 120                                           13.3 2000            Ukraine
## 121                                           14.3 1999            Ukraine
## 122                                           14.0 1998            Ukraine
## 123                                           14.3 1997            Ukraine
## 124                                           14.4 1996            Ukraine
## 125                                           14.0 1995            Ukraine
## 126                                           14.8 1994            Ukraine
## 127                                           14.8 1993            Ukraine
## 128                                           14.7 1992            Ukraine
## 129                                           15.2 1991            Ukraine
## 130                                           15.4 1990            Ukraine
ggplot(data = services_share_labor, aes(x = Year, y = `Employment in services (% of total employment)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of total employment")+
        ggtitle("Fig.34. Employment in services (% of total employment)")+
        facet_grid(Country~., scales = "free")

Наиболее высок официальный уровень безработицы прибалтийских странах (почти 12%), в Украине он составил в 2013 году 7,5%, сократившись за 10 лет на 1,5%. Самый низкий уровень безработицы в Беларуси, который составляет всего 0,6% (см.рис.35)33.

Рис.35. Уровень безработицы (%).
unemployment <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.UEM.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(unemployment) <- c("Unemployment (% of total labor force)", "Year", "Country")

# Данные по безработице в некоторых странах бывшего СССР с 1990 г. по 2014 г.
unemployment
##     Unemployment (% of total labor force) Year            Country
## 2                                     5.9 2014            Belarus
## 3                                     6.0 2013            Belarus
## 4                                     5.9 2012            Belarus
## 5                                     6.1 2011            Belarus
## 6                                     6.2 2010            Belarus
## 7                                     6.1 2009            Belarus
## 8                                     6.2 2008            Belarus
## 9                                     6.3 2007            Belarus
## 10                                    6.4 2006            Belarus
## 11                                    6.4 2005            Belarus
## 12                                    6.5 2004            Belarus
## 13                                    6.5 2003            Belarus
## 14                                    6.6 2002            Belarus
## 15                                    6.5 2001            Belarus
## 16                                    6.5 2000            Belarus
## 17                                    6.5 1999            Belarus
## 18                                    6.5 1998            Belarus
## 19                                    6.4 1997            Belarus
## 20                                    6.3 1996            Belarus
## 21                                    6.4 1995            Belarus
## 22                                    6.3 1994            Belarus
## 23                                    6.4 1993            Belarus
## 24                                    6.4 1992            Belarus
## 25                                    6.4 1991            Belarus
## 28                                   11.3 2014          Lithuania
## 29                                   11.8 2013          Lithuania
## 30                                   13.2 2012          Lithuania
## 31                                   15.3 2011          Lithuania
## 32                                   17.8 2010          Lithuania
## 33                                   13.7 2009          Lithuania
## 34                                    5.8 2008          Lithuania
## 35                                    4.3 2007          Lithuania
## 36                                    5.6 2006          Lithuania
## 37                                    8.3 2005          Lithuania
## 38                                   11.3 2004          Lithuania
## 39                                   12.9 2003          Lithuania
## 40                                   13.0 2002          Lithuania
## 41                                   16.8 2001          Lithuania
## 42                                   15.9 2000          Lithuania
## 43                                   13.4 1999          Lithuania
## 44                                   13.7 1998          Lithuania
## 45                                   14.1 1997          Lithuania
## 46                                   15.6 1996          Lithuania
## 47                                   17.1 1995          Lithuania
## 48                                   17.4 1994          Lithuania
## 49                                   12.8 1993          Lithuania
## 50                                    9.8 1992          Lithuania
## 51                                   15.7 1991          Lithuania
## 54                                   10.0 2014             Latvia
## 55                                   11.9 2013             Latvia
## 56                                   14.9 2012             Latvia
## 57                                   16.2 2011             Latvia
## 58                                   18.7 2010             Latvia
## 59                                   17.1 2009             Latvia
## 60                                    7.4 2008             Latvia
## 61                                    6.0 2007             Latvia
## 62                                    6.8 2006             Latvia
## 63                                    8.9 2005             Latvia
## 64                                    9.9 2004             Latvia
## 65                                   10.6 2003             Latvia
## 66                                   13.2 2002             Latvia
## 67                                   13.1 2001             Latvia
## 68                                   14.2 2000             Latvia
## 69                                   13.8 1999             Latvia
## 70                                   14.5 1998             Latvia
## 71                                   14.7 1997             Latvia
## 72                                   12.6 1996             Latvia
## 73                                   12.0 1995             Latvia
## 74                                   10.9 1994             Latvia
## 75                                   12.6 1993             Latvia
## 76                                   12.9 1992             Latvia
## 77                                   13.3 1991             Latvia
## 80                                    5.1 2014 Russian Federation
## 81                                    5.5 2013 Russian Federation
## 82                                    5.5 2012 Russian Federation
## 83                                    6.5 2011 Russian Federation
## 84                                    7.3 2010 Russian Federation
## 85                                    8.3 2009 Russian Federation
## 86                                    6.2 2008 Russian Federation
## 87                                    6.0 2007 Russian Federation
## 88                                    7.1 2006 Russian Federation
## 89                                    7.1 2005 Russian Federation
## 90                                    7.8 2004 Russian Federation
## 91                                    8.2 2003 Russian Federation
## 92                                    7.9 2002 Russian Federation
## 93                                    9.0 2001 Russian Federation
## 94                                   10.6 2000 Russian Federation
## 95                                   13.0 1999 Russian Federation
## 96                                   13.3 1998 Russian Federation
## 97                                   11.8 1997 Russian Federation
## 98                                    9.7 1996 Russian Federation
## 99                                    9.4 1995 Russian Federation
## 100                                   8.1 1994 Russian Federation
## 101                                   5.9 1993 Russian Federation
## 102                                   5.2 1992 Russian Federation
## 103                                  12.2 1991 Russian Federation
## 106                                   7.7 2014            Ukraine
## 107                                   7.2 2013            Ukraine
## 108                                   7.5 2012            Ukraine
## 109                                   7.9 2011            Ukraine
## 110                                   8.1 2010            Ukraine
## 111                                   8.8 2009            Ukraine
## 112                                   6.4 2008            Ukraine
## 113                                   6.4 2007            Ukraine
## 114                                   6.8 2006            Ukraine
## 115                                   7.2 2005            Ukraine
## 116                                   8.6 2004            Ukraine
## 117                                   9.1 2003            Ukraine
## 118                                   9.6 2002            Ukraine
## 119                                  10.9 2001            Ukraine
## 120                                  11.6 2000            Ukraine
## 121                                  11.6 1999            Ukraine
## 122                                  11.3 1998            Ukraine
## 123                                   8.9 1997            Ukraine
## 124                                   7.6 1996            Ukraine
## 125                                   5.6 1995            Ukraine
## 126                                   7.0 1994            Ukraine
## 127                                   8.7 1993            Ukraine
## 128                                   7.5 1992            Ukraine
## 129                                   6.8 1991            Ukraine
ggplot(data = unemployment, aes(x = Year, y = `Unemployment (% of total labor force)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of Unemployment")+
        ggtitle("Fig.35. Unemployment, total (% of total labor force)")+
        facet_grid(Country~., scales = "free")

Из исследуемых стран самый низкий уровень оплаты труда, к сожалению, так же в Украине. И минимальные и средние зарплаты в 2013 году были в нашей стране существенно ниже. Следует отметить, что по уровню средней заработной платы Россия практически сравнялась с прибалтийскими странами, а Беларусь отстает от них всего на 10-15%, в то время как заработная плата в Украине в 2 раза ниже, чем в Латвии и Литве. (Рис.36-37)

Рис.36. Минимальная заработная плата в месяц в 2013 г (доллары США)34.
MinWage
##                   Country     EUR
## 1              Luxembourg 1921.03
## 2                  Monaco 1593.67
## 3              San Marino 1525.33
## 4                 Belgium 1501.82
## 5             Netherlands 1477.80
## 6                 Ireland 1461.85
## 7                  France 1430.22
## 8          United Kingdom 1293.22
## 9                 Andorra  962.00
## 10               Slovenia  783.66
## 11                  Spain  752.85
## 12                  Malta  702.82
## 13                 Greece  683.76
## 14               Portugal  565.83
## 15                 Turkey  442.65
## 16                 Poland  405.79
## 17                Croatia  397.97
## 18                Estonia  355.00
## 19               Slovakia  352.00
## 20                Hungary  335.27
## 21                 Latvia  320.00
## 22         Czech Republic  309.09
## 23              Lithuania  289.62
## 24                Romania  190.48
## 25                 Serbia  186.23
## 26  Republic of Macedonia  179.00
## 27               Bulgaria  173.84
## 28                 Kosovo  170.00
## 29 Bosnia and Herzegovina  164.19
## 30                Albania  151.39
## 31             Montenegro  147.50
## 32                 Russia  131.63
## 33                Belarus  130.52
## 34                Ukraine  111.99
## 35             Azerbaijan  103.67
## 36                Armenia   87.36
## 37                Moldova   57.97
## 38                Georgia   42.31
# Выбираем из таблицы необходимые для анализа страны. 
minwagen <- grep("Latvia|Lithuania|Russia|Belarus|Ukraine", MinWage$Country)

# Создаем новую таблицу стран из анализируемых стран
MinWage_selected <- data.frame()
for(i in minwagen){
        MinWage_selected <- rbind(MinWage_selected, MinWage[i,])
}

ggplot(data = MinWage_selected, aes(x = Country, y = EUR))+
        geom_bar(colour="blue", fill = "darkorange", stat = "identity")+
        
        xlab("Country")+
        ylab("EUR")+
        ggtitle("Fig.36. The minimum wage per month in 2013 (US dollars)") 

Рис. 37. Средняя заработная плата в месяц 2014 (доллары США)35.
AvWage
##                              Country     USD
## 1                        Switzerland 6301.73
## 2                         Luxembourg 4479.80
## 3                             Zambia 4330.98
## 4                             Jersey 4323.25
## 5                            Bermuda 4250.00
## 6                             Norway 4215.43
## 7                             Monaco 4142.78
## 8                              Qatar 4038.08
## 9                          Gibraltar 3990.69
## 10                         Australia 3780.69
## 11                    Cayman Islands 3313.01
## 12                           Denmark 3269.62
## 13                     United States 3258.85
## 14            British Virgin Islands 3200.00
## 15                            Sweden 3181.11
## 16              United Arab Emirates 3081.34
## 17                       The Bahamas 3025.00
## 18                           Ireland 2991.21
## 19                    United Kingdom 2960.54
## 20                       Netherlands 2937.58
## 21                           Finland 2924.10
## 22                           Germany 2851.85
## 23                             Aruba 2833.33
## 24                             Japan 2782.43
## 25                            Canada 2773.50
## 26                            France 2761.99
## 27                         Singapore 2759.38
## 28                              Guam 2750.00
## 29                         Greenland 2744.84
## 30                           Andorra 2731.12
## 31                       New Zealand 2693.05
## 32                            Angola 2650.03
## 33                           Belgium 2564.89
## 34                         Hong Kong 2495.86
## 35                          Guernsey 2495.43
## 36                     Faroe Islands 2470.36
## 37                           Austria 2457.33
## 38                     New Caledonia 2425.32
## 39                            Kuwait 2236.71
## 40                            Brunei 2228.21
## 41                           Iceland 2176.15
## 42                       South Korea 2174.36
## 43                             Italy 2117.76
## 44                              Oman 2087.14
## 45                           Reunion 1911.78
## 46                            Israel 1874.63
## 47                      Saudi Arabia 1786.07
## 48                             Gabon 1704.12
## 49                       Puerto Rico 1703.52
## 50                             Spain 1635.15
## 51                          Barbados 1625.00
## 52                            Cyprus 1618.85
## 53                             Malta 1562.20
## 54                  French Polynesia 1502.12
## 55                            Belize 1441.00
## 56                      South Africa 1400.01
## 57                         Mauritius 1337.74
## 58                            Taiwan 1307.43
## 59                          Slovenia 1275.66
## 60                           Grenada 1250.00
## 61                           Bahrain 1226.79
## 62                           Curacao 1101.83
## 63                            Malawi 1098.99
## 64                 Equatorial Guinea 1087.50
## 65                          Portugal 1081.73
## 66                           Jamaica 1080.44
## 67                    Czech Republic 1020.48
## 68                         Argentina 1018.58
## 69                           Lesotho 1017.82
## 70                          Malaysia  979.60
## 71                            Greece  953.44
## 72                             Chile  949.50
## 73                          Slovakia  947.95
## 74                           Lebanon  937.16
## 75                           Estonia  914.97
## 76                            Poland  905.62
## 77                           Croatia  869.71
## 78                           Uruguay  862.60
## 79                       Isle of Man  831.39
## 80                          Suriname  808.02
## 81                         Swaziland  786.93
## 82                        Costa Rica  779.04
## 83                            Panama  770.21
## 84                            Brazil  757.92
## 85                        Mozambique  757.22
## 86                            Turkey  756.06
## 87                           Nigeria  731.68
## 88                             China  731.14
## 89                            Mexico  729.94
## 90               Trinidad and Tobago  719.49
## 91                            Latvia  713.11
## 92                             Haiti  712.50
## 93                              Fiji  710.22
## 94                         Lithuania  701.28
## 95                            Russia  686.16
## 96                           Hungary  667.58
## 97                             Sudan  650.00
## 98                             Libya  644.09
## 99                            Jordan  636.99
## 100                          Namibia  633.02
## 101                         Tanzania  632.67
## 102                         Maldives  627.30
## 103                       Kazakhstan  614.24
## 104                        Nicaragua  592.50
## 105                       Montenegro  589.82
## 106                             Iraq  572.85
## 107                        Guatemala  570.79
## 108                        Venezuela  564.76
## 109                          Bolivia  564.23
## 110           Bosnia and Herzegovina  562.45
## 111                       Madagascar  533.33
## 112                         Botswana  528.84
## 113                       Azerbaijan  524.84
## 114                         Honduras  522.86
## 115                         Dominica  513.89
## 116                           Serbia  507.08
## 117                         Bulgaria  506.76
## 118                         Thailand  502.78
## 119                          Belarus  502.19
## 120                         Zimbabwe  500.00
## 121                             Peru  492.13
## 122               Dominican Republic  491.37
## 123                          Romania  487.08
## 124                            Kenya  481.21
## 125                         Colombia  474.66
## 126                         Cameroon  466.74
## 127                         Mongolia  464.89
## 128                           Rwanda  460.00
## 129                            India  452.11
## 130                             Iran  447.61
## 131                          Albania  434.19
## 132                         Paraguay  425.61
## 133                      Saint Lucia  421.11
## 134                          Morocco  415.59
## 135                             Mali  400.00
## 136                          Tunisia  393.03
## 137            Republic of Macedonia  386.85
## 138                           Uganda  379.79
## 139                     Turkmenistan  373.33
## 140                      El Salvador  365.00
## 141                       Uzbekistan  360.72
## 142                          Ecuador  359.29
## 143                          Ukraine  357.71
## 144                        Sri Lanka  352.62
## 145 Democratic Republic of the Congo  351.83
## 146                            Ghana  351.22
## 147                          Somalia  350.00
## 148                       Kyrgyzstan  350.00
## 149                          Algeria  346.48
## 150                       Bangladesh  340.22
## 151                          Vietnam  334.60
## 152                      Philippines  330.73
## 153                          Armenia  312.89
## 154                        Indonesia  304.25
## 155                          Georgia  299.37
## 156                            Burma  281.62
## 157                             Laos  281.33
## 158                 Papua New Guinea  274.10
## 159                       Seychelles  267.21
## 160                            Egypt  264.33
## 161                          Burundi  256.25
## 162                            Syria  251.75
## 163                         Ethiopia  249.00
## 164                          Moldova  244.09
## 165                         Cambodia  243.94
## 166                         Pakistan  239.31
## 167                            Yemen  229.00
## 168                      Afghanistan  213.58
## 169                           Guyana  209.33
## 170                          Senegal  200.00
## 171                       Cape Verde  191.18
## 172                       Tajikistan  187.27
## 173                            Nepal  166.49
## 174                            Samoa   63.82
## 175                           Gambia   39.37
## 176                             Cuba   25.05
# Выбираем из таблицы необходимые для анализа страны. 
avwagen <- grep("Latvia|Lithuania|Russia|Belarus|Ukraine", AvWage$Country)

# Создаем новую таблицу стран из анализируемых стран
AvWage_selected <- data.frame()
for(i in avwagen){
        AvWage_selected <- rbind(AvWage_selected, AvWage[i,])
}

ggplot(data = MinWage_selected, aes(x = Country, y = EUR))+
        geom_bar(colour="darkorange", fill = "darkblue", stat = "identity")+
        
        xlab("Country")+
        ylab("USD")+
        ggtitle("Fig.37. Average monthly wage in 2014 (US dollars)") 

В зависимости от формы собственности, официальная заработная плата в Украине так же существенно отличалась. Традиционно, государственный сектор в официальных выплатах заработной платы, значительно опережал (почти в два раза) и частные, и коммунальные предприятия. (см.Рис.37а)36. Для промышленности и сельского хозяйства характерны те же тенденции, что и в целом по всем видам экономической деятельности. Отдельно необходимо подчеркнуть, что официальная статистика говорит только об официальных выплатах, никак не учитывая практику «зарплат в конвертах», особо характерных для частного сектора.

# Подготовка данных для Рис.37а.
Salaries_total <- data.frame(colnames(Salaries)[-c(1:2)]) 
for (i in 3:13){
        Salaries_total[i-2,2] <- as.numeric(as.character(Salaries[1,i]))
}

colnames(Salaries_total) <- c("Organizational forms of employment in Ukraine", "Average wage level in UAH")
# Средний уровень заработных плат Украины в разрезе организационных форм в 2015 г (%)
Salaries_total
##    Organizational forms of employment in Ukraine Average wage level in UAH
## 1                       State.owned.enterprises.                      5570
## 2                            Public.enterprises.                      3509
## 3                          Joint.Stock.Companies                      6213
## 4                                            LTD                      4320
## 5                                       Branches                      4872
## 6                              Private.companies                      2564
## 7                   State.government.authorities                      3419
## 8                   Local.government.authorities                      2988
## 9              state.organization..institution..                      3683
## 10  public..communal..organization..institution.                      2881
## 11                                   Other.forms                      4579
Рис.37а. Официальные заработные платы в Украине в зависимости от организационной формы объекта в 2015 г (грн.)
ggplot(data = Salaries_total, aes(x = `Organizational forms of employment in Ukraine`, y = `Average wage level in UAH`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        
        xlab("Organizational form")+
        ylab("Average wage level in UAH")+
        ggtitle("Fig.37a. Official salaries in Ukraine 
                depending on the organizational form of 
                the facility in 2015 (UAH)") +
        coord_flip()

# Подготовка данных для Рис.37б.
Salaries_industry <- data.frame(colnames(Salaries)[-c(1:2)]) 
for (i in 3:13){
        Salaries_industry[i-2,2] <- as.numeric(as.character(Salaries[3,i]))
}

colnames(Salaries_industry) <- c("Organizational forms of employment", "Salaries in industry (UAH)")

Salaries_industry <- filter(Salaries_industry, `Salaries in industry (UAH)` > 0)
# Средний уровень заработных плат в промышленном секторе экономики Украины в разрезе организационных форм в 2015 г (%)
Salaries_industry
##              Organizational forms of employment Salaries in industry (UAH)
## 1                      State.owned.enterprises.                       5040
## 2                           Public.enterprises.                       3510
## 3                         Joint.Stock.Companies                       5466
## 4                                           LTD                       3900
## 5                                      Branches                       5686
## 6                             Private.companies                       2422
## 7                  Local.government.authorities                       1989
## 8             state.organization..institution..                       3770
## 9  public..communal..organization..institution.                       2503
## 10                                  Other.forms                       4489
Рис.37б. Официальные заработные платы в Украине в промышленности в зависимости от организационной формы объекта в 2015 г (грн.)
ggplot(data = Salaries_industry, aes(x = `Organizational forms of employment`, y = `Salaries in industry (UAH)`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        
        xlab("Organizational form")+
        ylab("Average wage level in UAH")+
        ggtitle("Fig.37b.  Official wages in Ukraine in industry, depending on the 
                organizational form of the facility in 2015 (UAH)") +
        coord_flip()

# Подготовка данных для Рис.37в.
Salaries <- read.xlsx("salaries by economic activity.xlsx", sheetName="salaries by econom.act.", header=TRUE)


Salaries_agriculture <- data.frame(colnames(Salaries)[-c(1:2)]) 
for (i in 3:13){
        Salaries_agriculture[i-2,2] <- as.numeric(as.character(Salaries[2,i]))
}

colnames(Salaries_agriculture) <- c("Organizational forms of employment", "Salaries in Agriculture (UAH)")

Salaries_agriculture <- filter(Salaries_agriculture, `Salaries in Agriculture (UAH)` > 0)
# Средний уровень заработных плат в аграрном секторе экономики Украины в разрезе организационных форм в 2015 г (%)
Salaries_agriculture
##   Organizational forms of employment Salaries in Agriculture (UAH)
## 1           State.owned.enterprises.                          4465
## 2                Public.enterprises.                          3254
## 3              Joint.Stock.Companies                          3621
## 4                                LTD                          3275
## 5                           Branches                          3796
## 6                  Private.companies                          2902
## 7  state.organization..institution..                          2776
## 8                        Other.forms                          2499
Рис.37в. Официальные заработные платы в Украине в промышленности в зависимости от организационной формы объекта в 2015 г (грн.)
ggplot(data = Salaries_agriculture, aes(x = `Organizational forms of employment`, y = `Salaries in Agriculture (UAH)`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        
        xlab("Organizational form")+
        ylab("Average wage level in UAH")+
        ggtitle("Fig. 37c. Official wages in Ukraine in agriculture, depending 
                on the organizational form of the facility in 2015 (UAH)") +
        coord_flip()

ИНДУСТРИАЛЬНОЕ ПРОИЗВОДСТВО

Данные для построения графа 38 взяты из глобальной международной базы данных WorldBank. На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://data.worldbank.org/indicator/NE.GDI.TOTL.ZS.* Данные графиков 39-47 взяты, в первую очередь, из раздела «Промышленность» Статистического ежегодника Украины за 2013 г. (на момент последней редакции работы его можно было загрузить по ссылке library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf. Кроме того, для удобства читателей, данный документ доступен для скачивания и на нашем сайте ___). Именно этот ежегодник крайне интересен с точки зрения анализа динамики промышленного производства, поскольку по некоторым показателям приводит данные за 2000 год, а иногда и 1990-1991 года. Даже архивы сайта Государственного комитета статистики по объемам производства приводят данные, в лучшем случае, начиная с 2003 года. (http://www.ukrstat.gov.ua/ Статистична інформація / Економічна статистика / Економічна діяльність /Промисловість / Виробництво основних видів промислової продукції). Для удобства работы данные за все года, взятые из этих источников, собраны в авторских таблицах показателей производства основных видов продукции добывающей* (https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/Extractive%20industry.xlsx ) и перерабатывающей (https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/Processing%20industry_fin.xlsx ) промышленности Украины Данные графиков 48-49 так же можно найти на сайте Госкомстата (http://www.ukrstat.gov.ua Економічна статистика /Зовнішньоекономічна діяльність/Експорт-імпорт окремих видів товарів за країнами світу). Данные таблицы в формате excel, подготовленные госкомстатом, для удобства читателя, так же можно загрузить и на нашем сайте.

За годы независимости блестящий рост индустриального производства показала Беларусь, увеличив его только за 10 последних лет почти в 8 (!!!) раз. Положительная динамика так же характерна и для РФ (+25%), Латвии и Литвы (17% и 20%) соответственно (Рис 38). Украина за 10 лет осталась практически на том же месте, показав прирост меньше 1%. Этого, к сожалению, недостаточно даже для компенсации уровня инфляции, составлявшего, в частности для доллара США, в котором измеряется данный показатель, в среднем 2% ежегодно37.

Рис.38. Индустриальное производство (млн.дол.США)38.
#Industrial_production
# НЕ ГОТОВО----------------------
industrial_production <- Quandl("WGEM/UKR_IPTOTNSKD")


#industrial_production <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NE.GDI.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) #%>% select(value, date, country)

#for(i in 1:24){
#       gdp_data_ua$value[i] <- gdp_data_ua$value[i]/1000000000 
#}

#colnames(gdp_data_ua) <- c("GDP Billions USD", "Year", "Country")

#gdp_data_ua

#ggplot(data = gdp_data_ua, aes(x = Year, y = `GDP Billions USD`, group = 1))+
#        geom_line(colour="darkorange", size = 1)+
#        geom_point(colour = "black", size = 2)+
#        geom_smooth(method = "loess")+
#       
#        xlab("Year")+
#        ylab("Billions USD")+
#        ggtitle("Fig.19. GDP of Ukraine 1992-2015. (Nom. US dollars). + Gross capital formation (% of GDP)")

Если же говорить о конкретных объемах производства товаров, то он снизился практически для всех отраслей промышленности. При чем, в основном это коснулось машиностроения а так же добывающей и перерабатывающей промышленности, т.е.тех групп, которые затронула приватизация.

Так, например, в нефтеперерабатывающей промышленности за период с 1990 по 2013 гг: первичная переработка нефти сократилась в 17 раз, изготовление кокса снизилось в 2 раза, изготовление битума в 25 раз.

В химической промышленности за тот же период, например, производство серной кислоты снизилось в 4 раза, гидроксида натрия – в 7 раз, шин резиновых – в 37 раз.

В производстве металлургической продукции, например, производство чугуна снизилось в 1,5 раза, производство стали – в 3 раза, производство труб в 3,6 раза.

В машиностроении, например, производство тракторов сократилось в 25 раз, производство легковых автомобилей – в 3 раза, производство автобусов – более чем в 5 раз, телеприемников – в 10 раз, ламп электрических – в 2,5 раз, велосипедов – в 18,7 раза (Рис.39-42)39.

Рис.39. Изготовление кокса и отдельных видов продуктов нефтепереработки (тыс.тон)
ProcessingIndustry.Nan <- ProcessingIndustry %>% filter(Value > 0)

product_names39 <- c("Coke-oven coke of coking coal", "Primary oil processing", "Oil asphalt and shore bitumen")


fig39 <- data.frame() 

for (i in product_names39){
       temp <- ProcessingIndustry.Nan   %>% filter(ProductName == i) 
       fig39 <- rbind(fig39, temp)
}

fig39$Year <- as.numeric(fig39$Year)

ggplot(data = fig39, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand tones")+
        ggtitle("fig39. Manufacture of coke and certain types of products of oil refining")+
        facet_grid(ProductName~., scales = "free")

Рис.40. Производство некоторых видов веществ химических основных неорганических (тыс.тон)
product_names40 <- c("Sulphuric acid,", "Sodium hydroxide (caustic soda)", "Rubber tires")

fig40 <- data.frame() 

for (i in product_names40){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig40 <- rbind(fig40, temp)
}

fig40$Year <- as.numeric(fig40$Year)

ggplot(data = fig40, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand tones")+
        ggtitle("Fig.40. Production of some types of substances in basic inorganic chemicals")+
        facet_grid(ProductName~., scales = "free")

Рис.41. Производство отдельных видов продукции металлургического производства (млн.т.)
product_names41 <- c("Cast iron", "Steel without semi-finished products produced through continuous casting", "Pipes of  large and small diameters, hollow sections made of  ferrous  metals")

fig41 <- data.frame() 

for (i in product_names41){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig41 <- rbind(fig41, temp)
}

fig41$Year <- as.numeric(fig41$Year)

ggplot(data = fig41, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Million tones")+
        guides(fill=FALSE)+
        
        ggtitle("Fig.41. Production of selected types of products of metallurgical production 
                (million tons)")+
        
        facet_grid(ProductName~., scales = "free")

Рис.42. Производство отдельных видов продукции машиностроения
product_names42 <- c("Tractors for agriculture and forestry", "Motor cars", "Buses")

fig42 <- data.frame() 

for (i in product_names42){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig42 <- rbind(fig42, temp)
}


fig42$Year <- as.numeric(fig42$Year)

ggplot(data = fig42, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand units")+
        geom_smooth(method = "loess")+
        ggtitle("Fig.42. Production of selected types of machine-building products 
                (thousand units)")+
        
        facet_grid(ProductName~., scales = "free")

Интересующийся слушатель может ознакомиться с более подробной подборкой статистических показателей развития (а точнее упадка) промышленности Украины за этот период, которая, например, приведена в «Статистическом ежегоднике Украины за 2013». К большому сожалению автора, слушатель только убедиться в том, что и в других отраслях промышленности ситуация аналогичная.

Даже такая отрасль, как производство продуктов питания, спрос на продукцию которой, казалось бы, есть всегда, по многим видам товаров сократила производство в разы. Например, объемы производства сыров упали на 13%, Муки – в 3 раза, сахара – более чем в 5 раз, хлеба и хлебобулочных изделий – почти в 1,5 раза, колбасных изделий – в 3 раза, масла сливочного – более чем в 5 раз.

Рис.43. Производство отдельных товаров пищевой промышленности (тыс.ед.)
product_names43 <- c("Cheese with high fat content", "Flour", "White crystalline sugar", "Bread and flour products", "Sausages", "Butter")

fig43 <- data.frame() 

for (i in product_names43){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig43 <- rbind(fig43, temp)
}


fig43$Year <- as.numeric(fig43$Year)

ggplot(data = fig43, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand units")+
        ggtitle("Fig.43. Manufacture of individual food products")+
        geom_smooth(method = "loess")+
        facet_grid(ProductName~., scales = "free")

Кроме того, катастрофическое падение производства, например, в станкостроении, говорит и о том, что отрасли, «инструментарий» для обеспечения работы которых производило станкостроение, так же находятся в бедственном положении. Так, например, только по сравнению с 2003 годом (уже далеко не лучшим годом украинской промышленности) в 2015 году производство прессов и ковальных машин упало в 37 раз, станков для обработки дерева, токарных и фрезеровальных станков – в 3 раза. (Рис.44)

Рис.44. Производство некоторых товаров станкостроения40.
product_names44 <- c("Presses and forge machines", "Lathes for wood processing", "Lathes, grinders, drillers, milling machines")

fig44 <- data.frame() 

for (i in product_names44){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig44 <- rbind(fig44, temp)
}


fig44$Year <- as.numeric(fig44$Year)

ggplot(data = fig44, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Pieces")+
        geom_smooth(method = "loess")+
        #theme(legend.position = "bottom",
         #     legend.spacing = unit(1, "cm"))+
        ggtitle("Fig.44. Production of some machine-tool products")+
        
        facet_grid(ProductName~., scales = "free")

Падение производства различных комплектующих для электронных приборов, так же свидетельствует о плачевном положении дел в целой отрасли. Так, производство автоматической аппаратуры регулирования и управления, снизилось почти в 43 раза, электродвигателей и генераторов – в 8 раз (постоянного тока) и 4 раза (универсальных). Холодильников и стиральных машин стали производить, соответственно, в 8 и 3 раза меньше. (Рис.45).

Рис.45. Производство некоторых товаров и комплектующих приборостроения.
product_names45 <- c("Devices and facilities for automatic regulation and management", "DC motors and dc generators", "Ac motors and ac generators, universal motors")

fig45 <- data.frame() 

for (i in product_names45){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig45 <- rbind(fig45, temp)
}


fig45$Year <- as.numeric(fig45$Year)

ggplot(data = fig45, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Pieces")+
        geom_smooth(method = "loess")+
        #theme(legend.position = "bottom",
         #     legend.spacing = unit(1, "cm"))+
        ggtitle("Fig.45. Production of some goods and components of instrument manufacture")+
        
        facet_grid(ProductName~., scales = "free")

Но при этом, добывающая промышленность либо не снижает темпы, либо даже наращивает их. Так, добыча каменного угля возросла на 3%, торфа на 20%, природного газа – на 16%. Добыча железорудных концентратов увеличилась больше чем в 1,5 раза, добыча гипса и ангидрида – более чем в 2 раза., добыча известняка осталась на прежнем уровне, добыча песка возросла на 20% а гальки и гравия – на 30%. Добыча коалина и коалиновой глины увеличилась на 15 процентов, а соли и хлорида натрия – на 22% (рис. 46)41.

Рис. 46. Производство некоторых продуктов добывающей промышленности по годам.
ExtractiveIndustry.Nan <- ExtractiveIndustry %>% filter(Value > 0)
product_names46 <- c("Coal available", "Non-agglomerate fuel peat (conventional moisture)", "Natural gas", "Non-agglomerated iron concentrates", "Agglomerated iron concentrates", "Gypsum and anhydrite", "Limestone", "Natural sands", "Pebbles, gravel, macadam and crushed stone", "Kaolin and other kaolinitic clay", "Salt and pure sodium chloride")

fig46 <- data.frame() 

for (i in product_names46){
       temp <- ExtractiveIndustry.Nan  %>% filter(ProductName == i) 
       fig46 <- rbind(fig46, temp)
}


fig46$Year <- as.numeric(as.character(fig46$Year))


ggplot(data = fig46, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(aes(colour = Units), stat = "identity")+
        
        
        xlab("Years")+
        ylab("Units")+
        ggtitle("Fig. 46. Production of some products of the extractive industry by years.")+
        facet_grid(ProductName~., scales = "free")

Выводы, которые очевидны из подобной статистики, к сожалению, не новы и неутешительны. Украина быстрыми темпами превращается в сырьевой придаток, если не колонию, более развитых стран мира. Некоторые косвенные показатели так же свидетельствуют о катастрофическом снижении темпов производства. Так, например, потребление топливно-энергетических ресурсов для производственно-эксплуатационных нужд снизилось в 2,2 раза (Рис.47.)42.

Рис.47. Потребление топливно-энергетических ресурсов для производственно-эксплуатационных нужд по годам (млн.т.у.т.)
cons.energy <- data.frame(Million.tons=c(325.9, 186.1, 175.7, 157.1, 145.7), Year=as.factor(c(1990, 1995, 2007, 2011, 2013)))

#Потребление топливно-энергетических ресурсов для производственно-эксплуатационных нужд по годам (млн.т.у.т.)
cons.energy
##   Million.tons Year
## 1        325.9 1990
## 2        186.1 1995
## 3        175.7 2007
## 4        157.1 2011
## 5        145.7 2013
ggplot(data = cons.energy, aes(x = Year, y = Million.tons, fill = Million.tons))+
        geom_bar(colour = "black", stat = "identity")+
        
        
        xlab("Years")+
        ylab("Million tons of equivalent fuel")+
        ggtitle("Fig. 47.Consumption of fuel and energy resources for production and 
                maintenance needs by years (Million tons of equivalent fuel)")

Авторам думается, что любой житель Украины среднего возраста назовет из своего опыта или информации, запомнившейся из сообщений СМИ, хотя бы один частный пример продажи «на металлолом» некогда прибыльного, работавшего в три смены предприятия. Особенно эта практика была присуща периоду «большой приватизации» (до 2000 года). Некоторым образом, оперируя общими цифрами, эту тенденцию можно отследить и в динамике сокращения экспорта металлолома из Украины после завершения этапа «большой приватизации». Так, с 2006 по 2016 гг. экспорт лома черных металлов снизился почти в 3 раза. (рис.48.)43.

Рис.48. Экспорт лома черных металлов по годам (тыс.дол.США)
scrap.export <- data.frame(thousand.US.dollars=c(745.9, 637.28, 664.74, 366.54, 252.08), Year=as.factor(c(2006, 2008, 2010, 2012, 2016)))

#Экспорт лома черных металлов по годам (тыс.дол.США)
scrap.export
##   thousand.US.dollars Year
## 1              745.90 2006
## 2              637.28 2008
## 3              664.74 2010
## 4              366.54 2012
## 5              252.08 2016
ggplot(data = scrap.export, aes(x = Year, y = thousand.US.dollars, fill = thousand.US.dollars))+
        geom_bar(colour = "black", stat = "identity")+
        
        
        xlab("Years")+
        ylab("thousand US dollars")+
        ggtitle("Fig.48. Export of ferrous scrap by years")

Честно говоря, хотелось бы объяснить такое снижение другими, более оптимистичными, причинами – например, увеличением потребления лома металлургической промышленностью Украины за счет ее стремительного развития, но, к сожалению, это не так. Динамика снижения экспорта продуктов металлургии за тот же период более чем в 2 раза (Рис. 49)44. и снижение общих объемов производства основных изделий этой отрасли, приведенные выше, подтверждают это.

Рис.49. Экспорт изделий из недрагоценных металлов по годам (тыс.дол.США)
scrap.export <- data.frame(thousand.US.dollars=c(745.9, 637.28, 664.74, 366.54, 252.08), Year=as.factor(c(2006, 2008, 2010, 2012, 2016)))

#Экспорт лома черных металлов по годам (тыс.дол.США)
scrap.export
##   thousand.US.dollars Year
## 1              745.90 2006
## 2              637.28 2008
## 3              664.74 2010
## 4              366.54 2012
## 5              252.08 2016
ggplot(data = scrap.export, aes(x = Year, y = thousand.US.dollars, fill = thousand.US.dollars))+
        geom_bar(colour = "black", stat = "identity")+
        
        
        xlab("Years")+
        ylab("thousand US dollars")+
        ggtitle("Fig.49. Exports of products from non-precious metals by years")

СУДОСТРОЕНИЕ УКРАИНЫ. КАК УНИЧТОЖИТЬ ОТРАСЛЬ ЗА 25 ЛЕТ.

К сожалению, отрасль судостроения в целом не представлена в официальных открытых отчетах Госкомстата Украины. По этому авторы пользовались некими иллюстративными фактами, демонстрирующими состояние промышленности в целом, взятых из публикаций СМИ. Тем не менее, те статистические данные, которые удалось собрать, представлены отдельным листом в авторских таблицах раздела Индустриальное производство.

Судостроение Украины - это самый жестокий, но при этом, и самый показательный пример постсоветской деградации промышленности. Это прискорбный пример того, как успешную, прибыльную, наукоемкую, престижную, обладающую колоссальными фондами и потенциалом отрасль можно уничтожить за 25 лет. В период независимости Украина вошла, унаследовав 30% судостроительных активов СССР45. Страна могла проектировать и производить любые корабли: авианосцы, эсминцы, противолодочные корабли, ракетные крейсеры, а так же суда торгового флота. Кроме того, это был один из редчайших случаев, когда на территории одной республики СССР, ставшей независимым государством, находился полный производственно-технологический цикл отрасли: от разработчиков, через производство (что, опять же крайне важно и крайне редко для постсоветских республик - основанное на локальном сырье и комплектующих), и вплоть до подготовки обслуживающего персонала. Но, поистине, уникальным явлением было то, что кроме производственного цикла Украине достался и вполне дееспособный экономический цикл – производство, вся необходимая инфраструктура (порты), и самое главное, в отличие от многих других отраслей - мощный внутренний заказчик на продукцию судостроения в лице 7 судоходных компаний (одна из которых была второй по величине в мире!) так же находился в Украине. Ибо, по формальным законам либеральной экономики, «свалившимся» на молодую Украину после экономики государственного планирования, смерть такой отрасли, как, например, космостроение, не просто простительна, а, скорее, неизбежна: внутри страны осталась только часть производственного цикла, только 30% из необходимых комплектующих могли производиться на локальном рынке, полностью отсутствовала инфраструктура (ни одного космодрома), и, самое главное, единственный привычный заказчик, которого обслуживала отрасль – в лице оборонпрома СССР – канул в лету. А вот судостроение, по тем же законам либеральной экономики, наоборот, должно было расцвести, стать главной бюджето-образующей отраслью Украины, вывести ее в «лидеры судостроительной отрасли мира». Итак, в 1991 году Украина с гордостью могла называться «морской державой», получив «в наследство» от СССР следующее:

ВНУТРЕННИЙ ГРАЖДАНСКИЙ ЗАКАЗЧИК:

ВНУТРЕННИЙ ВОЕННЫЙ ЗАКАЗЧИК:

ПРОИЗВОДСТВО И РЕМОНТ:

ЛОКАЛЬНЫЕ КОМПЛЕКТУЮЩИЕ И ОБОРУДОВАНИЕ:

ИНФРАСТРУКТУРА:

ИССЛЕДОВАНИЯ, ПРОЕКТИРОВАНИЕ И РАЗРАБОТКИ:

ПОДГОТОВКА ПЕРСОНАЛА:

Мировая практика показывает, что тяжелые отрасли промышленности, такие как, например, судостроение или авиационная и космическая промышленность, развиваются только в тех странах, где существует сильный внутренний заказчик – обычно в лице государства - создающий спрос на продукцию этих отраслей на внутреннем рынке и проводящий политику поддержки внутреннего производителя. И действительно, окончательная деградация украинского судостроения началась именно с разорения судоходных компаний Украины, а так же плачевного состояния ВМСУ, как и всей Армии в целом. Так, Черноморское морское пароходство владело в 1990 году 300 судами различных типов общим дедвейтом 5 млн т. На 1991 г. цена ЧМП составляла $7 млрд, флот насчитывал 295 судов и 1100 единиц вспомогательных судов. Суда списывались как устаревшие, передавались в оффшорные компании в управление, арестовывались в заграничных портах «за долги». На начало 1998 г. на балансе пароходства оставалось уже 15 судов, а в 2004 г. - всего 647. Вторая по величине в мире (!) судоходная компания перестала существовать. (см.Рис.50.).

Рис. 50. Динамика изменения количества судов во владении Черноморского морского пароходства (ед.)48.
Black.Sea.Shipping.Company <- data.frame(Year=c(1990, 1992, 1998, 2004), `Number of ships`=c(300, 255, 15, 6))

ggplot(data = Black.Sea.Shipping.Company, aes(x = Year, y = Number.of.ships, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(aes(size = Number.of.ships, color = Number.of.ships))+
       
        xlab("Year")+
        ylab("Number of ships")+
        ggtitle("Fig. 50. Dynamics of changes in the number of vessels in the 
                possession of the Black Sea Shipping Company (units)")

Азовское морское пароходство– шестая по величине компания, входящая в состав Министерства морского флота СССР. Это было одно из самых обновленных морских пароходств страны. В состав флота на 24 августа 1991 г. входило 146 судов: сухогрузы, балкеры, контейнеровозы, танкеры дедвейтом от 3000 до 30 000 т. Кроме коммерческих судов АМП располагало мощными ледоколами и буксирами, судами портового флота. Собственный парк морских контейнеров (международного стандарта) позволял компании надежно перекрывать потребности пяти контейнерных линий. 1993 г. предопределил судьбу АМП. Фонд госимущества Украины подписал договор аренды с организацией арендаторов АМП. С этого времени началось повальное создание совместных предприятий за рубежом, там же создавались финансово-расчетные центры. Флот старел, не обновлялся, закупка новостроящихся судов не велась. 24 января 2003 г. решением Донецкого регионального фонда госимущества Украины по согласованию с Министерством транспорта и Антимонопольным комитетом Украины был досрочно прекращен договор аренды госимущества и организации аренды Азовского морского пароходства. На момент прекращения действия договора аренды в составе флота АМП числилось всего 33 действующих судна. Однако ни одно из этих 33 судов не было в прямом управлении пароходства. Пароходство было некредитоспособно, долги по зарплате, закупке бункера, снабжения, продовольствия, воды продолжали расти. Суда арестовывались в зарубежных портах и продавались. 24 сентября 2003 г. было создано ООО «Торговый флот Донбасса», которому было передано 33 судна бывшего АМП, возраст которых составлял 26-28 лет. Это все, что осталось от цветущей компании и ее современного флота. (Рис.51)49:

Рис. 51. Динамика изменения количества судов во владении Азовского морского пароходства (ед.).
#Fig. 51. Dynamics of changes in the number of vessels in the possession of the Azov Shipping Company (units).

Azov.Shipping.Company <- data.frame(Year=as.factor(c(1990, 2004)), `Number of ships`=as.factor(c(146, 33)))

ggplot(data = Azov.Shipping.Company, aes(x = Year, y = Number.of.ships))+
        geom_bar(colour="darkblue", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("Number of ships")+
        ggtitle("Fig. 51. Dynamics of changes in the number of vessels in the 
                possession of the Azov Shipping Company (units).")

В период 1992—1997 г. ВМСУ фактически не существовали в качестве самостоятельного компонента Вооруженных Сил Украины. Корабли бывшего КЧФ ВМФ СССР формально осуществляли свою боевую службу под совместным командованием России и Украины. После подписания 28 мая 1997 года «Соглашения между Российской Федерацией и Украиной о параметрах раздела Черноморского флота» был осуществлён окончательный раздел Черноморского флота СССР. В соответствии с договором, ВМС Украины были переданы 43 боевых корабля, 132 судов и катеров50:. В 2012 году в составе ВМСУ уже осталось только 25 кораблей и 54 обслуживающих судов. Плачевное состояние, в котором остались ВМС Украины после крымского кризиса еще менее утешительно – общий итог – всего около 50 единиц флота (Рис.52).

Рис.52. ВМС Украины. Количество единиц флота по годам (ед.)
#Fig.52. The Ukrainian Navy. Number of fleet units by year (units)

Navy.ships <- data.frame(Year=as.factor(c(1997, 2012, 2015)), `Number of ships`=as.factor(c(175, 79, 50)))

ggplot(data = Navy.ships, aes(x = Year, y = Number.of.ships))+
        geom_bar(colour="darkblue", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("Number of ships")+
        
        ggtitle("Fig.52. The Ukrainian Navy. Number of fleet units by year (units)")

Итак, первый важнейший компонент успешного развития отрасли – наличие внутреннего заказчика, т.е. спроса на продукцию - был уничтожен. Гражданский заказчик в лице пароходств практически прекратил свое существование к 2004-2005 гг, военный заказчик, фактически, так и не появился. На этом, по большому счету, можно было бы и закончить, поскольку в стране, где нет мощного флота, не может быть развитого судостроения. Но мы, все же, сделаем попытку отследить дальнейшую судьбу отрасли. К сожалению, отрасль судостроения в целом не представлена в официальных открытых отчетах Госкомстата Украины. По этому авторам придется пользоваться некими иллюстративными фактами, демонстрирующими состояние судостроительных заводов Украины, взятых из открытых источников. Так, предприятия знаменитого николаевского судостроительного треугольника (Черноморский судостроительный завод, Завод им.62 коммунара и завод «Океан») перед распадом СССР насчитывали более 65 тыс.чел.персонала. За время независимости, количество работников заводов сократилось в 38 раз, и на сегодняшний день составляет 1700 чел. Так, ЧСЗ сократил персонал с 40000 до 800 человек, заводе им. 61 коммунара с 13000 до 700, завод «Океан» - с 12000 до 200. (рис.53)51.

Рис.53. Количество сотрудников 3-х кораблестроительных заводов Николаева по годам (чел)
# Creation of a data frame of the employees of the main shipbuilding plants of Nikolaev for 1990 and 2015
shipbuilding.employees <- data.frame(Employees=as.numeric(c(40000, 13000, 12000, 800, 700, 200)), Year= gl(2, 3, labels = c(1990, 2015)), Shipbuilding.enterprise = rep(c("Black Sea Shipyard", "61. Kommunara", "Ocean"), 2))


ggplot(data = shipbuilding.employees, aes(x = Year, y = Employees, fill = Shipbuilding.enterprise))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Number of employees")+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.53. Number of employees of 3 shipbuilding plants of Nikolaev 
                by years (people)")

Количество сотрудников 3-х кораблестроительных заводов Николаева по годам

shipbuilding.employees
##   Employees Year Shipbuilding.enterprise
## 1     40000 1990      Black Sea Shipyard
## 2     13000 1990           61. Kommunara
## 3     12000 1990                   Ocean
## 4       800 2015      Black Sea Shipyard
## 5       700 2015           61. Kommunara
## 6       200 2015                   Ocean

Справедливости ради надо отметить, что эти три предприятия принадлежат к разным формам собственности. Старейшая верфь Николаева – Государственный завод имени 61-го коммунара, ныне находится в ведении УкрОборнПрома. В советские времена на заводе строили эсминцы, противолодочные корабли пр.1134Б типа «Николаев» и ракетные крейсеры пр.1164 типа «Слава», которые, по заключению зарубежных экспертов, были лучшими в мире в своем классе в то время52. Сейчас же завод продолжает накапливать долги и провоцировать недовольство немногочисленного персонала, который периодически напоминает о себе, выходя на акции протеста с перекрытием дорог и требованием выплатить долги по зарплате53, при этом завод иногда выполняет единичные заказы по профилю, и с гордостью осваивает производство «буржуек» для воинов АТО54. ЧСЗ, принадлежащий Публичному акционерному обществу «Смарт Мэритайм Груп» так же выполняет единичные заказы по профилю, и «соптимизировав» количество сотрудников до 540 человек, под модным названием «Индустриальный парк»55 открывает пункт перевалки грузов. А самый технологически новый судостроительный завод города Николаева – «Океан» - уже несколько лет находится в перманентном процессе банкротства (сумма требований кредиторов составляет 1 млрд 813,15 млн грн56) а так же не вылезает из скандальных рейдерских захватов и судебных разбирательств, о которых так любят писать в СМИ.
Возвращаясь к общим цифрам, нужно отметить, что к моменту распада СССР кадровый потенциал кораблестроительной отрасли Украины составлял более 200 тыс.чел57, в 2010 году – порядка 50 тыс.чел., а в 2016 году - всего 12 тыс.чел58, т.е. сократился почти в 17 раз. (рис.54).

Рис.54. Кадровый потенциал отрасли судостроения Украины по годам (чел.)
# Creation of a data frame of the personnel potential of the shipbuilding industry of Ukraine by years
# Создание таблицы данных кадрового потенциала судостроительной отрасли Украины по годам 
human.resources.shipbuilding <- data.frame(Year=as.factor(c(1990, 2010, 2016)), `Number of people`=as.factor(c(220000, 50000, 12000)))


ggplot(data = human.resources.shipbuilding, aes(x = Year, y = Number.of.people))+
        geom_bar(colour="darkorange", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("Person")+
        
        ggtitle("Fig.54. Personnel potential of Ukrainian shipbuilding industry 
                for years (pers.)")

Кадровый потенциал судостроительной отрасли Украины по годам

human.resources.shipbuilding
##   Year Number.of.people
## 1 1990           220000
## 2 2010            50000
## 3 2016            12000

Катастрофически сократились, конечно же, и объемы производства отрасли - с 2.млрд.дол.США59 в 1988 году до 300 млн.дол.США (в 15 раз) в 2006 г. (рис.55)60, и до 150 млн.дол.США (в 30 раз по сравнению с 1988 г), в 2015 году.

Рис. 55. Объемы производства судостроительной отрасли Украины (млн.ном.дол.США)
# Creating a data frame of production volumes of shipbuilding industry in Ukraine by years 
# Создание таблицы данных объема производства судостроительной отрасли Украины по годам 
shipbuilding.industry <- data.frame(Year = as.factor(c(1990, 2006, 2015)), `Volumes.of.production(million USD)` = as.factor(c(2000, 300, 150)))


ggplot(data = shipbuilding.industry, aes(x = Year, y = Volumes.of.production.million.USD.))+
        geom_bar(colour="darkorange", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("million USD")+
        
        ggtitle("Fig. 55. Volumes of production of the shipbuilding industry of Ukraine 
                (million US dollars)")

Объемы производства судостроительной отрасли Украины (млн.ном.дол.США)

shipbuilding.industry
##   Year Volumes.of.production.million.USD.
## 1 1990                               2000
## 2 2006                                300
## 3 2015                                150

Хотя 150 млн.долларов кажется огромной суммой, но для судостроения – это мизерная цифра. Средняя рыночная стоимость одного современного надводного корабля составляет 200 млн.дол.США61. Другими словами, вся судостроительная отрасль Украины в 2015 году «наработала» ¾ корабля, которые раннее ежегодно десятками сходили со стапелей судостроительных заводов Украины. Все эти цифры тем более прискорбно осознавать с учетом того, что, как отмечают эксперты, при грамотном использовании потенциала «морской державы», полученного Украиной в День Независимости, только доля морских перевозок составляла бы более 15 процентов сегодняшнего ВВП страны, а судостроение и ремонт составили бы еще 10 процентов ВВП62.

МОНОПОЛИЗАЦИЯ РЫНКОВ В УКРАИНЕ

*Данные, проанализированные в этом разделе, взяты из официального ежегодного отчета Антимонопольного комитета Украины за 2015 год, который на момент последней редакции данной работы был опубликован на сайте АМКУ в разделе «Отчеты и публикации», и был доступен для скачивания по ссылке http://www.amc.gov.ua/amku/doccatalog/document?id=122547&schema=main . Для удобства читателя данный отчет так же загружен на сайт____.*

В начале 2015 года в Украине на рынках с конкурентной структурой реализовывалось всего 42,7 % общего объема продукции. Это самый низкий показатель за последние 15 лет (с 2000 года), когда рынки с конкурентной структурой в Украине составляли больше половины (почти 54%). За эти же 15 лет вырос объем рынка с признаками коллективного доминирования или олигопольных рынков (на которых доля трех крупнейших хозяйствующих субъектов превышала 50 процентов) – с 11,6 до 16,7 %. Рынки с признаками единоличного доминирования (на которых доля крупнейшего предприятия составляла более 35 процентов) так же возросли на 8 % (с 22,7 до 30,8). Доля монополизированных рынков (на которых доля крупнейшего предприятия составляла более 90 процентов) незначительно снизилась (с 11,8 до 9,8% соответственно). См. рис.56 и рис.5763.

Рис.56. Монополизация рынка Украины в 2015 г. (%)
Monopoly_ua.2015 <- Monopoly_ua %>% filter(Year == 2015) 

ggplot(Monopoly_ua.2015, aes(x="", y=`Market.share(%)`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`Market.share(%)`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.56. Monopolization of the Ukrainian market in 2015 (%)")

Монополизация рынка Украины в 2015 г. (%)

Monopoly_ua.2015
##                       Market.type Year Market.share(%)
## 1             Competitive markets 2015            42.7
## 2                       Oligopoly 2015            16.7
## 3 Markets with signs of dominance 2015            30.8
## 4             Monopolized markets 2015             9.8
Рис. 57. Динамика монополизации рынка Украины по годам (%)
Monopoly_ua <- arrange(Monopoly_ua, Year)

ggplot(data = Monopoly_ua, aes(x = Market.type, y = `Market.share(%)`, fill = Market.type))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Market share(%)")+
        ylab("Market type")+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 57. Dynamics of monopolization of the Ukrainian market 
                by years (%)")+
        coord_flip()+
        facet_grid(Year~., scales = "free")

Динамика монополизации рынка Украины по годам (%)

Monopoly_ua.2015
##                       Market.type Year Market.share(%)
## 1             Competitive markets 2015            42.7
## 2                       Oligopoly 2015            16.7
## 3 Markets with signs of dominance 2015            30.8
## 4             Monopolized markets 2015             9.8

Изучая условия конкуренции на рынках Украины в разрезе видов экономической деятельности, можно прийти к следующим результатам. По состоянию на 2015 год, наибольшая доля рынка с конкурентной структурой принадлежала отрасли сельского хозяйства – 95,67%. Так же больше половины рынка имели конкурентную структуру для операций с недвижимостью (80,94%), финансов и страхования (71,39%), оптовой и розничной торговли (66,48%), перерабатывающей промышленности (50,74%). От 50 до 30% товаров и услуг реализовывались в конкурентной среде в строительстве (49,3%), администрировании (40,73%), информации и телекоммуникации (33,91%). От 30 до 10 процентов рынка с конкурентной структурой были в деятельности отелей и ресторанов (28,27%), профессиональной, научной и технической деятельности (25,65), а так же транспорта (19,02). В наименьшей мере конкурентная структура рынка была в сфере культуры, спорта и досуга (3,08%), а так же в добывающей промышленности – всего 0,9%. В сфере водоснабжения, водоотведения и обращения с отходами, а так же в поставке электроэнергии, газа, пара, и др.. – конкурентная структура отсутствовала вовсе – 0% (Рис.58)64.

Рис. 58 Конкурентная структура рынков по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.compet <- Monopoly_by_activity %>% filter(Type.of.the.market == "Competitive markets") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.compet, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Level (in %)")+
        ylab("Economic activity")+
        ggtitle("Fig. 58 Competitive structure of markets by types of economic activity in 2015 (%)")+
        coord_flip()

Конкурентная структура рынков по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.compet
##                          Economic.activity  Type.of.the.market     %
## 1           Agriculture, forestry, fishery Competitive markets 95.67
## 2                             Real estate  Competitive markets 80.94
## 3                    Finance and Insurance Competitive markets 71.39
## 4  Wholesale and retail trade (incl. auto) Competitive markets 66.48
## 5                     Processing  industry Competitive markets 50.74
## 6                             Construction Competitive markets 49.30
## 7              Administration and services Competitive markets 40.73
## 8       Information and telecommunications Competitive markets 33.91
## 9                           Other services Competitive markets 29.89
## 10                  Hotels and restaurants Competitive markets 28.27
## 11  Prof., scientific and tech. activities Competitive markets 25.65
## 12                Transport, storage, mail Competitive markets 19.02
## 13                 Culture, sport, leisure Competitive markets  3.08
## 14                     Extracting industry Competitive markets  0.90
## 15        Supply of electricity, gas, etc. Competitive markets  0.00
## 16             Water supply and sanitation Competitive markets  0.00

Рынки с признаками коллективного доминирования или олигопольные рынки (на которых доля трех крупнейших хозяйствующих субъектов превышала 50 процентов) были наиболее характерны для добывающей (50,54%) и перерабатывающей промышленности (22,94%), сферы финансов и страхования (19,78%), а так же строительства (18,05%) (рис.59)65.

Рис. 59 Рынки с коллективным доминированием (олигополии) по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.oligopoly <- Monopoly_by_activity %>% filter(Type.of.the.market == "Oligopoly") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.oligopoly, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Economic activity")+
        ylab("Level (in %)")+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 59 Markets with collective dominance (oligopoly) by 
                types of economic activity in 2015 (%)")+
        coord_flip()

Конкурентная структура рынков по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.oligopoly
##                          Economic.activity Type.of.the.market     %
## 1                      Extracting industry          Oligopoly 50.45
## 2                     Processing  industry          Oligopoly 22.94
## 3                    Finance and Insurance          Oligopoly 19.78
## 4                             Construction          Oligopoly 18.05
## 5                           Other services          Oligopoly 11.36
## 6              Administration and services          Oligopoly 10.99
## 7  Wholesale and retail trade (incl. auto)          Oligopoly 10.45
## 8                   Hotels and restaurants          Oligopoly  9.99
## 9       Information and telecommunications          Oligopoly  5.77
## 10  Prof., scientific and tech. activities          Oligopoly  5.09
## 11                Transport, storage, mail          Oligopoly  3.83
## 12                 Culture, sport, leisure          Oligopoly  1.58
## 13          Agriculture, forestry, fishery          Oligopoly  1.33
## 14                            Real estate           Oligopoly  0.30
## 15        Supply of electricity, gas, etc.          Oligopoly  0.00
## 16             Water supply and sanitation          Oligopoly  0.00

Рынки с признаками единоличного доминирования (на которых доля крупнейшего предприятия составляла более 35 процентов) были наиболее характерны для сферы культуры, спорта и досуга (91,5%), поставки электроэнергии, газа, пара, и др. (69,52%), отельного и ресторанного бизнеса (61,6%), информации и телекоммуникаций (60,15%) а так же добывающей промышленности (47,44%) (рис.60)66.

Рис. 60. Рынки с признаками единоличного доминирования по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.dominance <- Monopoly_by_activity %>% filter(Type.of.the.market == "With signs of dominance") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.dominance, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Economic activity")+
        ylab("Level (in %)")+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 60 Markets with signs of sole dominance by types 
                of economic activity in 2015 (%)")+
        coord_flip()

Рынки с признаками единоличного доминирования по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.dominance
##                          Economic.activity      Type.of.the.market     %
## 1                  Culture, sport, leisure With signs of dominance 91.52
## 2         Supply of electricity, gas, etc. With signs of dominance 69.52
## 3                   Hotels and restaurants With signs of dominance 61.60
## 4       Information and telecommunications With signs of dominance 60.15
## 5                           Other services With signs of dominance 50.20
## 6                      Extracting industry With signs of dominance 47.44
## 7              Administration and services With signs of dominance 44.50
## 8                 Transport, storage, mail With signs of dominance 39.38
## 9                     Processing  industry With signs of dominance 25.00
## 10                            Construction With signs of dominance 22.60
## 11 Wholesale and retail trade (incl. auto) With signs of dominance 20.49
## 12                            Real estate  With signs of dominance 18.16
## 13                   Finance and Insurance With signs of dominance  6.88
## 14  Prof., scientific and tech. activities With signs of dominance  4.54
## 15             Water supply and sanitation With signs of dominance  3.84
## 16          Agriculture, forestry, fishery With signs of dominance  2.77

И, наконец, монополии (рынки, на которых доля крупнейшего предприятия составляла более 90 процентов) по видам экономической деятельности были представлены следующим образом. Самый монополизированный рынок в Украине в сфере водоснабжения, водоотведения и обращения с отходами (96,16%), научная, техническая и профессиональная деятельность (64,72%), транспорт, складское хозяйствование, почта и курьерская доставка (33,7%) а так же поставка электроэнергии, газа, пара и др. (30,48%) (рис.61)67.

Рис. 61. Монополии по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.monopoly <- Monopoly_by_activity %>% filter(Type.of.the.market == "Monopolized markets") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.monopoly, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Economic activity")+
        ylab("Level (in %)")+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 61. Monopolies by types of economic activity in 2015 (%)")+
        coord_flip()

Монополии по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.monopoly
##                          Economic.activity  Type.of.the.market     %
## 1              Water supply and sanitation Monopolized markets 96.16
## 2   Prof., scientific and tech. activities Monopolized markets 64.72
## 3                 Transport, storage, mail Monopolized markets 37.77
## 4         Supply of electricity, gas, etc. Monopolized markets 30.48
## 5                             Construction Monopolized markets 10.04
## 6                           Other services Monopolized markets  8.55
## 7                  Culture, sport, leisure Monopolized markets  3.81
## 8              Administration and services Monopolized markets  3.77
## 9  Wholesale and retail trade (incl. auto) Monopolized markets  2.58
## 10                   Finance and Insurance Monopolized markets  1.95
## 11                    Processing  industry Monopolized markets  1.32
## 12                     Extracting industry Monopolized markets  1.22
## 13                            Real estate  Monopolized markets  0.61
## 14          Agriculture, forestry, fishery Monopolized markets  0.22
## 15      Information and telecommunications Monopolized markets  0.18
## 16                  Hotels and restaurants Monopolized markets  0.15

По отраслям национальной экономики конкурентные условия рынка выглядят следующим образом (рис.62-67)68:

Рис.62.Топливно-энергетический комплекс
Fuel.energy.m <- Monopoly_by_branches %>% filter(Branch == "Fuel and energy complex") %>% arrange(desc(`%`))

ggplot(Fuel.energy.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.62. The fuel and energy complex")

Топливно-энергетический комплекс

Fuel.energy.m
##                       Market.type                  Branch    %
## 1 Markets with signs of dominance Fuel and energy complex 72.7
## 2             Monopolized markets Fuel and energy complex 25.5
## 3                       Oligopoly Fuel and energy complex  1.6
## 4             Competitive markets Fuel and energy complex  0.2
Рис. 63. Аграрно-промышленный комплекс
agro.industrial.m <- Monopoly_by_branches %>% filter(Branch == "Agrarian and industrial complex") %>% arrange(desc(`%`))

ggplot(agro.industrial.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig. 63. Agro-industrial complex")

Аграрно-промышленный комплекс

agro.industrial.m
##                       Market.type                          Branch    %
## 1             Competitive markets Agrarian and industrial complex 73.0
## 2 Markets with signs of dominance Agrarian and industrial complex 16.6
## 3                       Oligopoly Agrarian and industrial complex  8.8
## 4             Monopolized markets Agrarian and industrial complex  1.6
Рис.64. Горно-металлургический комплекс
mining.metall.m <- Monopoly_by_branches %>% filter(Branch == "Mining and metallurgical complex") %>% arrange(desc(`%`))

ggplot(mining.metall.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.64. Mining and metallurgical complex")

Горно-металлургический комплекс

mining.metall.m
##                       Market.type                           Branch    %
## 1             Competitive markets Mining and metallurgical complex 55.2
## 2                       Oligopoly Mining and metallurgical complex 33.9
## 3 Markets with signs of dominance Mining and metallurgical complex 10.4
## 4             Monopolized markets Mining and metallurgical complex  0.4
Рис.65. Транспорт и связь
transport.communication.m <- Monopoly_by_branches %>% filter(Branch == "Transport and communication") %>% arrange(desc(`%`))

ggplot(transport.communication.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.65. Transport and communication")

Транспорт и связь

transport.communication.m
##                       Market.type                      Branch    %
## 1 Markets with signs of dominance Transport and communication 51.8
## 2             Monopolized markets Transport and communication 30.0
## 3             Competitive markets Transport and communication 15.1
## 4                       Oligopoly Transport and communication  3.0
Рис.66. Строительство
construction.m <- Monopoly_by_branches %>% filter(Branch == "Construction") %>% arrange(desc(`%`))

ggplot(construction.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.66. Construction")

Строительство

construction.m
##                       Market.type       Branch    %
## 1             Competitive markets Construction 49.3
## 2 Markets with signs of dominance Construction 22.6
## 3                       Oligopoly Construction 18.1
## 4             Monopolized markets Construction 10.0
Рис.67. Торговля
trade.m <- Monopoly_by_branches %>% filter(Branch == "Trade") %>% arrange(desc(`%`))

ggplot(trade.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.67. Trade")

Торговля

trade.m
##                       Market.type Branch    %
## 1             Competitive markets  Trade 66.5
## 2 Markets with signs of dominance  Trade 20.5
## 3                       Oligopoly  Trade 10.5
## 4             Monopolized markets  Trade  2.6

ЧТО БЫЛО ОБЪЕКТОМ ИНВЕСТИРОВАНИЯ В УКРАИНЕ?

Данные для построения графиков 68-69 а так же 73-74 были взяты из архива ежегодно публикуемых на сайте комитета статистики соответствующих показателей (на момент последней редакции работы активные ссылки на данные показатели были, соответственно, http://www.ukrstat.gov.ua/operativ/menu/menu_u/ioz.htm и http://www.ukrstat.gov.ua/operativ/operativ2016/zd/ivu/ivu_u/ivu0116.html) . Кроме того, авторские таблицы, сформированные из этих данных, доступны для скачивания на нашем сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments%20in%20the%20fixed%20assets.xlsx.* Данные для графиков 70-72 взяты из Статистического ежегодника Украины за 2013 г. (на момент последней редакции работы его можно было загрузить по ссылке library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf.* Данные для построения графиков 73-74 были взяты из архива ежегодно публикуемых на сайте комитета статистики соответствующих показателей (на момент последней редакции работы активная ссылка на данные показатели была такой: http://www.ukrstat.gov.ua/operativ/operativ2016/zd/ivu/ivu_u/ivu0116.html ). *Данные графиков 75 и 76 формировались на основе показателей глобальной базы данных NationMaster http://www.nationmaster.com/country-info/stats/Economy/Foreign-direct-investment и статьи http://eucham.eu/charts/153-2015-03-foreign-direct-investment-per-capita-in-europehttp://eucham.eu/charts/153-2015-03-foreign-direct-investment-per-capita-in-europe.*

Данные для построения графа 77 взяты из глобальной международной базы данных .World Bank. На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://data.worldbank.org/indicator/NE.GDI.TOTL.ZS. Данные для графиков 78 и 79 формировались из показателей глобальной базы данных Мирового Банка. Исходные таблицы в разных форматах, в том числе и excel, можно загрузить по ссылкам http://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD и http://data.worldbank.org/indicator/NY.GSR.NFCY.CD (на момент последней редакции работы).

С 2004 по 2015 инвестиции в основные фонды предприятий Украины составили более 262 млрд.дол.США. Если посмотреть на график вложения капиталов в основные фонды по годам, то его пики вполне соответствуют росту и кризисам мировой экономики (резкое падение в 2008-2009 гг), падению гривны, а так же значительному уменьшению уровня инвестиций начиная с 2013 г (начало политической нестабильности в Украине). А 2015 год - год, когда в статистику уже не попадали данные по Крыму, а курс гривны «провалился» как никогда ранее – вообще показал итог в два раза ниже 2004 года. (см.рис.68)69.

Рис.68. Инвестиции в основные фонды предприятий Украины по годам (млн.ном.дол.США).
f.a.i.year <- data.frame()
for(i in 2004:2015){
        temp <- FixedAssetsInvestments %>% filter(Year==i) %>% summarise(Year = i, `Million USD`=sum(million.USD))
        f.a.i.year <- rbind(f.a.i.year, temp)
}

ggplot(data = f.a.i.year, aes(x = Year, y = `Million USD`, group = 1))+
        geom_line(colour="darkblue", size = 1)+
        geom_point(colour="darkorange", size = 2)+
        xlab("Year")+
        ylab("Million USD")+
        ggtitle("Fig.68. Investments in fixed assets of Ukrainian enterprises 
                by years (million US dollars).")

В разрезе видов экономической деятельности основным бенефициаром инвестиций стала промышленность Украины, в основные фонды которой было вложено более 94 млрд.ном.дол.США или 36% от общих инвестиций в основные фонды страны. На втором месте операции с недвижимостью и аренда - 40 млрд.дол.США или 15% общих инвестиций, на третьем месте транспорт, что включает в себя так же и услуги по логистике, перевозкам и склады, - 31 млрд.дол.США или 12% общих инвестиций. Далее с небольшим разрывом следуют строительство (порядка 20 млрд.дол.США) и сельское хозяйство (17 млрд.дол.США),. «Почта и связь», которые с 2013 года именуются уже «телекоммуникация и связь» на седьмом месте с объемом привлеченных инвестиций в 13,6 млрд.дол.США. Государственное управление, категория, которая с 2013 года включает в себя так же и оборону, и обязательное страхование, составило 4,1 млрд., или 1,6%. Здравоохранение и образование на предпоследнем и последнем месте, с показателями 3,2 млрд.и 2,09 млрд. (1,3% и 0,8%) соответственно.

Рис.69. Инвестиции в основные фонды предприятий по видам экономической деятельности по накопительному итогу с 2004 по 2015гг. (млн.ном.дол.США)
category <- c("Agriculture, hunting and forestry", "Industrial production", "Construction", "Trade; repair of motor vehicles, household appliances and personal demand items", "Activity of hotels and restaurants", "Activity of transport and communications", "activity of mail and communications", "Financial activity", "Real estate activities, renting, engineering and provision of services to businessmen", "Public administration", "Education", "other serivices")

f.a.i.category <- data.frame(Category = "", `Million USD` = as.numeric(""))
        
for(i in category){
        temp <- FixedAssetsInvestments %>% filter(Category==i) %>% summarise(Category = i, `Million USD`=sum(million.USD))
        names(f.a.i.category) <- names(temp)
        f.a.i.category <- rbind(f.a.i.category, temp)   
}

f.a.i.category <- f.a.i.category[-1,]
f.a.i.category <- f.a.i.category %>% arrange(desc(`Million USD`))

ggplot(data = f.a.i.category, aes(x = Category, y = `Million USD`, fill = Category))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Category of economic activity")+
        ylab("Million USD")+
        guides(fill=FALSE)+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.69. Investments in fixed assets of enterprises by types of 
                economic activity from 2004 to 2015. (Million USD)") + 
        coord_flip()

С 2013 года как отдельный вид экономической деятельности выносится «профессиональная, научная и техническая деятельность», с показателем инвестиций по накопительному итогу за 3 года в 737 млн.дол.США. К сожалению, неизвестно, в каких отраслях экономики данный крайне интересный для анализа показатель находился раннее, и отследить его динамику за более длительный период не представляется возможным. Однако, если анализировать только три года (с 2013 по 2015гг), то инвестиции в данный показатель составил бы почти 1,5% общего объема инвестиций, заняв 3-е место с конца после здравоохранения и образования. При этом интересно сравнить данный «рейтинг» с динамикой роста износа основных средств украинских предприятий. Так, в целом по всем предприятиям, износ основных средств с 2000 по 2012 г. возрос с 47,3 в 2000 году до 76,7% в 2012. (Рис.70)

Рис. 70. Степень износа основных средств украинских предприятий по годам (%).
# Creating a data table with comparative information on depreciation of fixed assets of Ukrainian enterprises 
# Создание таблицы данных со сравнительнной информацией износа основных средств украинских предприятий
Depreciation_fixed_assets$Year <- as.factor(Depreciation_fixed_assets$Year)
Depreciation_fixed_assets$Depreciation.of.fixed.assets..... <- as.factor(Depreciation_fixed_assets$Depreciation.of.fixed.assets.....)
depreciation.fa <- Depreciation_fixed_assets[25:26,] 


ggplot(data = depreciation.fa, aes(x = Year, y = `Depreciation.of.fixed.assets.....`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        xlab("Year")+
        ylab("% of Depreciation")+
        ggtitle("Fig. 70. Degree of depreciation of fixed assets of Ukrainian enterprises 
                by years (%).")

**_Степень износа основных средств украинских предприятий по годам (%)**

depreciation.fa
##    Economic.activity Year Depreciation.of.fixed.assets.....
## 25        Total 2000 2000                              43.7
## 26        Total 2012 2012                              76.7

Просто катастрофический износ средств наблюдался в транспортной инфраструктуре и перевозках грузов – 96%. На втором месте находилась промышленность (57,3%) а так же строительство (55,1%), получающая на протяжении тех же лет практически в два раза больше инвестиций в основные фонды. Оптовая и розничная торговля, отели и рестораны выглядят самыми «обновленными» - 42% и 33,4% износа соответственно. Отдельно необходимо отметить, что единственная отрасль – сельское хозяйство, за указанный период уменьшило износ основных средств 43,7% до 34,6%. (Рис.71).

Рис.71. Рейтинг степени износа основных средств по видам экономической деятельности 2012 г (%).
# Creating a data table with comparative information on depreciation of fixed assets of Ukrainian enterprises 
# Создание таблицы данных со сравнительнной информацией износа основных средств украинских предприятий
depreciation.fa12 <- Depreciation_fixed_assets %>% filter(Year==2012)
 


ggplot(data = depreciation.fa12[-13,], aes(x = 
Economic.activity, y = `Depreciation.of.fixed.assets.....`))+
        geom_bar( colour="darkblue", fill = "white", stat = "identity")+
        xlab("Type of economic activity")+
        ylab("% of Depreciation")+
        coord_flip()+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.71. Rating of depreciation of fixed assets by types of 
                economic activity 2012 (%).")

Рейтинг степени износа основных средств по видам экономической деятельности 2012 г (%)

depreciation.fa12[-13,]
##                  Economic.activity Year Depreciation.of.fixed.assets.....
## 1                      Agriculture 2012                              34.6
## 2                         Industry 2012                              57.3
## 3                     Construction 2012                              55.1
## 4       Wholesale and retail trade 2012                                42
## 5           Hotels and restaurants 2012                              33.4
## 6                        Transport 2012                                96
## 7             Financial activities 2012                              45.6
## 8      Operations with real estate 2012                              42.5
## 9            Public administration 2012                              51.4
## 10                       Education 2012                              43.6
## 11 Health care and social payments 2012                              42.4
## 12                  other services 2012                              46.7
Рис. 72. Степень износа основных средств по видам экономической деятельности по годам (%).
# Creating a data table with comparative information on depreciation of fixed assets of Ukrainian enterprises 
# Создание таблицы данных со сравнительнной информацией износа основных средств украинских предприятий
depreciation.faTotal <- Depreciation_fixed_assets[-c(25:26),] 
 


ggplot(data = depreciation.faTotal, aes(x = 
Year, y = `Depreciation.of.fixed.assets.....`))+
        geom_bar( aes(fill=Economic.activity), stat = "identity")+
        xlab("Type of economic activity")+
        ylab("% of Depreciation")+
        facet_grid(.~Economic.activity, scales = "free")+
        ggtitle("Fig. 72. Depreciation of fixed assets by economic activities by year (%).")

Рейтинг степени износа основных средств по видам экономической деятельности 2012 г (%)

depreciation.fa12[-13,]
##                  Economic.activity Year Depreciation.of.fixed.assets.....
## 1                      Agriculture 2012                              34.6
## 2                         Industry 2012                              57.3
## 3                     Construction 2012                              55.1
## 4       Wholesale and retail trade 2012                                42
## 5           Hotels and restaurants 2012                              33.4
## 6                        Transport 2012                                96
## 7             Financial activities 2012                              45.6
## 8      Operations with real estate 2012                              42.5
## 9            Public administration 2012                              51.4
## 10                       Education 2012                              43.6
## 11 Health care and social payments 2012                              42.4
## 12                  other services 2012                              46.7

ИНОСТРАННЫЕ ИНВЕСТИЦИИ – ПАНАЦЕЯ ЛИ?

Иностранные инвестиции в Украине имеют тенденцию к росту, о чем свидетельствует линия тренда графика на рисунке 73. Конечно же, инвестиции крайне чувствительны как общемировым кризисам, так и к региональным, по этому, мы наблюдаем резкое падение уровня инвестиций в Украине в 2009 г, что, очевидно, объясняется общемировым финансовым кризисом того периода, а региональный военный конфликт, начавшийся в, уменьшил приток иностранных инвестиций в Украину 2014 году чуть ли не до уровня 2002 года. Общая сумма инвестиций с 1992 по 2015 год составила почти 78 млрд.дол.США.

Tables Are Cool
col 3 is right-aligned $1600
col 2 is centered $12
zebra stripes are neat $1
Markdown Less Pretty
Still renders nicely
1 2 3

  1. По данным ежегодных отчетов Фонда государственного имущества Украины http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html . Авторская таблица https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_ua.xlsx

  2. Группы объектов приватизации: A - небольшие объекты, B, Г - большие и стратегические предприятия, Д - объекты незавершенного строительства, E - акции и доли, принадлежащие государству в уставном капитале хозяйственных обществ, Ж - социально-культурные объекты (образование, здравоохранение, научно-исследовательские компании).Более детально см.приложение 1.

  3. Отчет Фонда государственного имущества Украины за 2004 г. Приложение 5. (к сожалению, нумерация страниц в приложениях данного отчета отсутствует) http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html

  4. УМОВИ ЗАВЕРШЕННЯ ПРИВАТИЗАЦІЇ В УКРАЇНІ. Аналітичний звіт та рекомендації для Державної програми приватизації. Володимир Дубровський, Олександр Пасхавер, Лідія Верховодова, Барбара Блащик. Варшава, Київ - грудень 2007

  5. “Статистичний щорічник України за 2013 рік”. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск. О.А. Вишневська. 2013. library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/number_of_enterprices_%20by_ownership_ua.xlsx

  6. http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html

  7. По данным ежегодных отчетов Фонда государственного имущества Украины http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_comulative_total.xlsx

  8. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_per_year.xlsx

  9. Данные финансового портала МинФин http://index.minfin.com.ua/budget/ Данные авторской таблицы можно загрузить https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx

  10. http://voxukraine.org/2015/01/23/outsourcing-privatization-attracting-capital-while-raising-efficiency/

  11. Авторская таблица, составленная по данным отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_contracts_over_control.xlsx

  12. Авторская таблица с данными доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/violations_in_%20the_%20contracts_over_control.xlsx

  13. Авторская таблица с данными доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/penalties_per_violation_in_the_contracts_over_control.xlsx

  14. Авторы хотели бы проанализировать все показатели (в первую очередь, сохранение основных видов деятельности и сохранение объемов производства.), но, к сожалению, подробная открытая статистика для этих показателей в нашей стране отсутствует. Данные, и то не полные (не все года), авторы смогли собрать из тех же отчетов Фонда госимущества только по приведенным в этой работе показателям: объем привлеченных инвестиций, количество предприятий, взявших обязательства касательно рабочих мест, вновь созданные рабочие места).

  15. Авторская таблица, составленная на основе данных отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments_in_privatized_companies.xlsx

  16. Авторская таблица, составленная на основе данных отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments_in_privatized_companies.xlsx

  17. http://ua.censor.net.ua/news/405508/u_slujbi_zayinyatosti_na_obliku_stoyit_na_10_menshe_lyudeyi_nij_mynulogo_roku_rozenko

  18. http://data.worldbank.org/indicator/NY.GDP.PCAP.CD

  19. http://data.worldbank.org/indicator/NY.GDP.PCAP.CD

  20. http://data.worldbank.org/indicator/NV.IND.TOTL.ZS

  21. http://data.worldbank.org/indicator/NV.AGR.TOTL.ZS

  22. http://data.worldbank.org/indicator/NV.SRV.TETC.ZS

  23. http://data.worldbank.org/indicator/GC.DOD.TOTL.GD.ZS

  24. http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Авторская таблица доступна для скачивания https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/GDP_by_private_companies_ua_by_year.xlsx

  25. http://www.ukrstat.gov.ua/

  26. https://ukrstat.org/uk/operativ/operativ2013/fin/kp_ed/kp_ed_u/arh_kzp_ed_u.htm

  27. http://buklib.net/books/31118/ . Авторская таблица доступна для скачивания по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour.xlsx

  28. Данные Государственного комитета статистики Украины за соответствующий год http://www.ukrstat.gov.ua/. Авторская таблица доступна для скачивания на сайте - https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/employed_in_economic_activity.xlsx

  29. Сайт государственного комитета статистики Украины http://www.ukrstat.gov.ua/ (Публикации/рынок труда/ Праця України 2015/) (Разделы 6 и 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm . Авторская таблица доступна для скачивания на сайте - https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour%20force%20by%20economic%20activity.xlsx

  30. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.IND.EMPL.ZS

  31. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.AGR.EMPL.ZS

  32. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.SRV.EMPL.ZS

  33. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.UEM.TOTL.ZS

  34. http://www.nationmaster.com/country-info/stats/Labor/Salaries-and-benefits/Monthly-minimum-wage

  35. Данные глобальной базы данных NationMaster http://www.nationmaster.com/country-info/stats/Cost-of-living/Average-monthly-disposable-salary/After-tax .Хочется отметить, что средняя заработная плата в Украине после смены власти в 2014 году, в долларовом эквиваленте уменьшилась более чем в 2,5 раза.

  36. Праця України 2015/ (Раздел 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm

  37. https://www.statbureau.org/ru/united-states/inflation-charts-yearly

  38. http://data.worldbank.org/indicator/NE.GDI.TOTL.ZS

  39. Статистичний щорічник України за 2013 рік. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск О.А. Вишневська. 2013 library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf

  40. http://www.ukrstat.gov.ua/operativ/operativ2006/pr/prm_ric/prm_ric_u/vov2004_u.html

  41. http://www.ukrstat.gov.ua/operativ/operativ2006/pr/prm_ric/prm_ric_u/vov2004_u.html

  42. Статистичний щорічник України за 2013 рік”. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск О.А. Вишневська. 2013, стр. 88. library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf

  43. ДОБАВИТЬ ССЫЛКУ !!!!!!!!!

  44. ДОБАВИТЬ ССЫЛКУ !!!!!!!!!

  45. http://voicesevas.ru/analytics/6994-sudostroenie-ukrainy-ot-avianoscev-k-burzhuykam.html

  46. Судостроение Украины: прошлое и настоящее языком цифр и фактов. http://morvesti.ru/tems/detail.php?ID=53194

  47. Там же.

  48. Там же.

  49. Там же.

  50. Соглашение между Российской Федерацией и Украиной о параметрах раздела Черноморского флота

  51. Судостроительная отрасль Украины: заводы разграблены, специалистов нет. http://economics.unian.net/industry/1111210-sudostroitelnaya-otrasl-ukrainyi-zavodyi-razgrablenyi-spetsialistov-net.html

  52. http://job-sbu.org/sudostroenie-ukrainyi-patsient-skoree-mertv.html

  53. Тупик «Океана». https://news.pn/ru/politics/169662

  54. Судостроение Украины: от авианосцев к буржуйкам http://voicesevas.ru/analytics/6994-sudostroenie-ukrainy-ot-avianoscev-k-burzhuykam.html

  55. http://hubs.ua/business/industrial-ny-j-park-na-baze-chsz-budet-rabotat-kak-biznes-inkubator-82030.html. Индустриальный парк на базе Черноморского судостроительного завода будет работать как бизнес-инкубатор

  56. Николаевский судостроительный завод “Океан” продадут за долги. http://uc.od.ua/news/traffic/fleet/1184522.html

  57. Судостроение Украины: 20 лет на пути в небытие http://nikvesti.com/news/politics/23527

  58. Сжались вчетверо: какие перспективы у судостроения Украины. http://ports.com.ua/articles/szhalis-vchetvero-kakie-perspektivy-u-sudostroeniya-ukrainy

  59. Судостроение Украины: 20 лет на пути в небытие http://nikvesti.com/news/politics/23527

  60. Судостроение Украины (2007 г.) http://www.ukrexport.gov.ua/rus/economy/brief/ukr/3013.html

  61. Мировой рынок надводных кораблей. https://topwar.ru/26714-mirovoy-rynok-nadvodnyh-korabley.html

  62. Украина потеряла десятки миллиардов долларов на судоходстве http://www.segodnya.ua/blogs/kotlubaiblog/blog-kak-spasti-torgovoe-sudohodstvo-ukrainy-605293.html

  63. Отчет Антимонопольного комитета Украины за 2015 год. стр.5 и 7 соответственно http://www.amc.gov.ua/amku/doccatalog/document?id=122547&schema=main .

  64. Там же, стр.9

  65. Там же, стр.9

  66. Там же

  67. Там же

  68. Там же

  69. http://www.ukrstat.gov.ua/operativ/menu/menu_u/ioz.htm и авторская таблица доступна для скачивания на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments%20in%20the%20fixed%20assets.xlsx.